人体行为识别算法发展历程

1. 人脸识别的发展历史是怎样的

人脸识别是一个被广泛研究着的热门问题，大量的研究论文层出不穷，在一定程度上有泛滥成“灾”之嫌。为了更好地对人脸识别研究的历史和现状进行介绍，本文将AFR的研究历史按照研究内容、技术方法等方面的特点大体划分为三个时间阶段，如表1所示。该表格概括了人脸识别研究的发展简史及其每个历史阶段代表性的研究工作及其技术特点。下面对三个阶段的研究进展情况作简单介绍：

第一阶段(1964年~1990年)

这一阶段人脸识别通常只是作为一个一般性的模式识别问题来研究，所采用的主要技术方案是基于人脸几何结构特征(Geometricfeature based)的方法。这集中体现在人们对于剪影(Profile)的研究上，人们对面部剪影曲线的结构特征提取与分析方面进行了大量研究。人工神经网络也一度曾经被研究人员用于人脸识别问题中。较早从事AFR研究的研究人员除了布莱索(Bledsoe)外还有戈登斯泰因(Goldstein)、哈蒙(Harmon)以及金出武雄(Kanade Takeo)等。金出武雄于1973年在京都大学完成了第一篇AFR方面的博士论文，直到现在，作为卡内基-梅隆大学(CMU)机器人研究院的一名教授，仍然是人脸识别领域的活跃人物之一。他所在的研究组也是人脸识别领域的一支重要力量。总体而言，这一阶段是人脸识别研究的初级阶段，非常重要的成果不是很多，也基本没有获得实际应用。

第二阶段(1991年~1997年)

这一阶段尽管时间相对短暂，但却是人脸识别研究的高潮期，可谓硕果累累：不但诞生了若干代表性的人脸识别算法，美国军方还组织了着名的FERET人脸识别算法测试，并出现了若干商业化运作的人脸识别系统，比如最为着名的Visionics(现为Identix)的FaceIt系统。

美国麻省理工学院(MIT)媒体实验室的特克(Turk)和潘特兰德(Pentland)提出的“特征脸”方法无疑是这一时期内最负盛名的人脸识别方法。其后的很多人脸识别技术都或多或少与特征脸有关系，现在特征脸已经与归一化的协相关量(NormalizedCorrelation)方法一道成为人脸识别的性能测试基准算法。

这一时期的另一个重要工作是麻省理工学院人工智能实验室的布鲁内里(Brunelli)和波基奥(Poggio)于1992年左右做的一个对比实验，他们对比了基于结构特征的方法与基于模板匹配的方法的识别性能，并给出了一个比较确定的结论：模板匹配的方法优于基于特征的方法。这一导向性的结论与特征脸共同作用，基本中止了纯粹的基于结构特征的人脸识别方法研究，并在很大程度上促进了基于表观(Appearance-based)的线性子空间建模和基于统计模式识别技术的人脸识别方法的发展，使其逐渐成为主流的人脸识别技术。

贝尔胡米尔(Belhumeur)等提出的Fisherface人脸识别方法是这一时期的另一重要成果。该方法首先采用主成分分析(PrincipalComponent Analysis，PCA，亦即特征脸)对图像表观特征进行降维。在此基础上，采用线性判别分析(LinearDiscriminant Analysis, LDA)的方法变换降维后的主成分以期获得“尽量大的类间散度和尽量小的类内散度”。该方法目前仍然是主流的人脸识别方法之一，产生了很多不同的变种，比如零空间法、子空间判别模型、增强判别模型、直接的LDA判别方法以及近期的一些基于核学习的改进策略。

麻省理工学院的马哈丹(Moghaddam)则在特征脸的基础上，提出了基于双子空间进行贝叶斯概率估计的人脸识别方法。该方法通过“作差法”，将两幅人脸图像对的相似度计算问题转换为一个两类(类内差和类间差)分类问题，类内差和类间差数据都要首先通过主成分分析(PCA)技术进行降维，计算两个类别的类条件概率密度，最后通过贝叶斯决策(最大似然或者最大后验概率)的方法来进行人脸识别。

人脸识别中的另一种重要方法——弹性图匹配技术(Elastic GraphMatching，EGM) 也是在这一阶段提出的。其基本思想是用一个属性图来描述人脸：属性图的顶点代表面部关键特征点，其属性为相应特征点处的多分辨率、多方向局部特征——Gabor变换[12]特征，称为Jet;边的属性则为不同特征点之间的几何关系。对任意输入人脸图像，弹性图匹配通过一种优化搜索策略来定位预先定义的若干面部关键特征点，同时提取它们的Jet特征，得到输入图像的属性图。最后通过计算其与已知人脸属性图的相似度来完成识别过程。该方法的优点是既保留了面部的全局结构特征，也对人脸的关键局部特征进行了建模。近来还出现了一些对该方法的扩展。

局部特征分析技术是由洛克菲勒大学(RockefellerUniversity)的艾提克(Atick)等人提出的。LFA在本质上是一种基于统计的低维对象描述方法，与只能提取全局特征而且不能保留局部拓扑结构的PCA相比，LFA在全局PCA描述的基础上提取的特征是局部的，并能够同时保留全局拓扑信息，从而具有更佳的描述和判别能力。LFA技术已商业化为着名的FaceIt系统，因此后期没有发表新的学术进展。

由美国国防部反毒品技术发展计划办公室资助的FERET项目无疑是该阶段内的一个至关重要的事件。FERET项目的目标是要开发能够为安全、情报和执法部门使用的AFR技术。该项目包括三部分内容：资助若干项人脸识别研究、创建FERET人脸图像数据库、组织FERET人脸识别性能评测。该项目分别于1994年，1995年和1996年组织了3次人脸识别评测，几种最知名的人脸识别算法都参加了测试，极大地促进了这些算法的改进和实用化。该测试的另一个重要贡献是给出了人脸识别的进一步发展方向：光照、姿态等非理想采集条件下的人脸识别问题逐渐成为热点的研究方向。

柔性模型(Flexible Models)——包括主动形状模型(ASM)和主动表观模型(AAM)是这一时期内在人脸建模方面的一个重要贡献。ASM/AAM将人脸描述为2D形状和纹理两个分离的部分，分别用统计的方法进行建模(PCA)，然后再进一步通过PCA将二者融合起来对人脸进行统计建模。柔性模型具有良好的人脸合成能力，可以采用基于合成的图像分析技术来对人脸图像进行特征提取与建模。柔性模型目前已被广泛用于人脸特征对准(FaceAlignment)和识别中，并出现了很多的改进模型。

总体而言，这一阶段的人脸识别技术发展非常迅速，所提出的算法在较理想图像采集条件、对象配合、中小规模正面人脸数据库上达到了非常好的性能，也因此出现了若干知名的人脸识别商业公司。从技术方案上看， 2D人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段内的主流技术。

第三阶段(1998年~现在)

FERET’96人脸识别算法评估表明：主流的人脸识别技术对光照、姿态等由于非理想采集条件或者对象不配合造成的变化鲁棒性比较差。因此，光照、姿态问题逐渐成为研究热点。与此同时，人脸识别的商业系统进一步发展。为此，美国军方在FERET测试的基础上分别于2000年和2002年组织了两次商业系统评测。

基奥盖蒂斯(Georghiades)等人提出的基于光照锥 (Illumination Cones) 模型的多姿态、多光照条件人脸识别方法是这一时期的重要成果之一，他们证明了一个重要结论：同一人脸在同一视角、不同光照条件下的所有图像在图像空间中形成一个凸锥——即光照锥。为了能够从少量未知光照条件的人脸图像中计算光照锥，他们还对传统的光度立体视觉方法进行了扩展，能够在朗博模型、凸表面和远点光源假设条件下，根据未知光照条件的7幅同一视点图像恢复物体的3D形状和表面点的表面反射系数(传统光度立体视觉能够根据给定的3幅已知光照条件的图像恢复物体表面的法向量方向)，从而可以容易地合成该视角下任意光照条件的图像，完成光照锥的计算。识别则通过计算输入图像到每个光照锥的距离来完成。

以支持向量机为代表的统计学习理论也在这一时期内被应用到了人脸识别与确认中来。支持向量机是一个两类分类器，而人脸识别则是一个多类问题。通常有三种策略解决这个问题，即：类内差/类间差法、一对多法(one-to-rest)和一对一法(one-to-one)。

布兰兹(Blanz)和维特(Vetter)等提出的基于3D变形(3D Morphable Model)模型的多姿态、多光照条件人脸图像分析与识别方法是这一阶段内一项开创性的工作。该方法在本质上属于基于合成的分析技术，其主要贡献在于它在3D形状和纹理统计变形模型(类似于2D时候的AAM)的基础上，同时还采用图形学模拟的方法对图像采集过程的透视投影和光照模型参数进行建模，从而可以使得人脸形状和纹理等人脸内部属性与摄像机配置、光照情况等外部参数完全分开，更加有利于人脸图像的分析与识别。Blanz的实验表明，该方法在CMU-PIE(多姿态、光照和表情)人脸库和FERET多姿态人脸库上都达到了相当高的识别率，证明了该方法的有效性。

2001年的国际计算机视觉大会(ICCV)上，康柏研究院的研究员维奥拉(Viola)和琼斯(Jones)展示了他们的一个基于简单矩形特征和AdaBoost的实时人脸检测系统，在CIF格式上检测准正面人脸的速度达到了每秒15帧以上。该方法的主要贡献包括：1)用可以快速计算的简单矩形特征作为人脸图像特征;2)基于AdaBoost将大量弱分类器进行组合形成强分类器的学习方法;3)采用了级联(Cascade)技术提高检测速度。目前，基于这种人脸/非人脸学习的策略已经能够实现准实时的多姿态人脸检测与跟踪。这为后端的人脸识别提供了良好的基础。

沙苏哈(Shashua)等于2001年提出了一种基于商图像[13]的人脸图像识别与绘制技术。该技术是一种基于特定对象类图像集合学习的绘制技术，能够根据训练集合中的少量不同光照的图像，合成任意输入人脸图像在各种光照条件下的合成图像。基于此，沙苏哈等还给出了对各种光照条件不变的人脸签名(Signature)图像的定义，可以用于光照不变的人脸识别，实验表明了其有效性。

巴斯里(Basri)和雅各布(Jacobs)则利用球面谐波(Spherical Harmonics)表示光照、用卷积过程描述朗博反射的方法解析地证明了一个重要的结论：由任意远点光源获得的所有朗博反射函数的集合形成一个线性子空间。这意味着一个凸的朗博表面物体在各种光照条件下的图像集合可以用一个低维的线性子空间来近似。这不仅与先前的光照统计建模方法的经验实验结果相吻合，更进一步从理论上促进了线性子空间对象识别方法的发展。而且，这使得用凸优化方法来强制光照函数非负成为可能，为光照问题的解决提供了重要思路。

FERET项目之后，涌现了若干人脸识别商业系统。美国国防部有关部门进一步组织了针对人脸识别商业系统的评测FRVT，至今已经举办了两次：FRVT2000和FRVT2002。这两次测试一方面对知名的人脸识别系统进行了性能比较，例如FRVT2002测试就表明Cognitec, Identix和Eyematic三个商业产品遥遥领先于其他系统，而它们之间的差别不大。另一方面则全面总结了人脸识别技术发展的现状：较理想条件下(正面签证照)，针对37437人121,589 幅图像的人脸识别(Identification)最高首选识别率为73%，人脸验证(Verification)的等错误率(EER[14])大约为6%。FRVT测试的另一个重要贡献是还进一步指出了目前的人脸识别算法亟待解决的若干问题。例如，FRVT2002测试就表明：目前的人脸识别商业系统的性能仍然对于室内外光照变化、姿态、时间跨度等变化条件非常敏感，大规模人脸库上的有效识别问题也很严重，这些问题都仍然需要进一步的努力。

总体而言，目前非理想成像条件下(尤其是光照和姿态)、对象不配合、大规模人脸数据库上的人脸识别问题逐渐成为研究的热点问题。而非线性建模方法、统计学习理论、基于Boosting[15]的学习技术、基于3D模型的人脸建模与识别方法等逐渐成为备受重视的技术发展趋势。

总而言之， 人脸识别是一项既有科学研究价值，又有广泛应用前景的研究课题。国际上大量研究人员几十年的研究取得了丰硕的研究成果，自动人脸识别技术已经在某些限定条件下得到了成功应用。这些成果更加深了我们对于自动人脸识别这个问题的理解，尤其是对其挑战性的认识。尽管在海量人脸数据比对速度甚至精度方面，现有的自动人脸识别系统可能已经超过了人类，但对于复杂变化条件下的一般人脸识别问题，自动人脸识别系统的鲁棒性和准确度还远不及人类。这种差距产生的本质原因现在还不得而知，毕竟我们对于人类自身的视觉系统的认识还十分肤浅。但从模式识别和计算机视觉等学科的角度判断，这既可能意味着我们尚未找到对面部信息进行合理采样的有效传感器(考虑单目摄像机与人类双眼系统的差别)，更可能意味着我们采用了不合适的人脸建模方法(人脸的内部表示问题)，还有可能意味着我们并没有认识到自动人脸识别技术所能够达到的极限精度。但无论如何，赋予计算设备与人类似的人脸识别能力是众多该领域研究人员的梦想。相信随着研究的继续深入，我们的认识应该能够更加准确地逼近这些问题的正确答案。

2. 谁能提供一些计算机智能人体运动识别 运动历史图MHI 方面的中文资料

计算机视觉又称之为图像理解和图像分析, 是当今世界上最为活跃也是最有争议的学科之一。IEEE 1988 年8 月的会刊组织了计算机视觉专辑, 在其引言中, 定义计算机视觉为用任何办法对2D 数据作出理解。计算机视觉已有40 多年的研究历史，几十年的研究工作虽然出现了为数不少的专用计算机视觉系统，例如游泳运动员训练系统，为探索火星研制的探索漫步机器人，自动空间操作器和战釜式巡航导弹等。在理论研究方面也有了一些范型，积累了一些方法和工具。但计算机视觉同时是一门交叉性很强的学科，不仅涉及计算机、数学、光学、最优控制、神经生理学、神经心理学和临床病理学等自然学科，还涉及哲学、认知心理学以至美学等社会科学，研究工作碰到了相当多的问题，所以目前为止还没有出现完全类似人类视觉的通用方法。然而随着摩尔定律的预测，互联网带宽的提高与计算机处理能力的极大增强，这样原来一些在运算性能有问题的方法在新的环境下可以重新衡量，原来一些处理能力不能达到要求的方法也可以重新评估，这就给计算机视觉带来新的生命力了。

人作为人类社会活动的主题，研究人的行为并且可以解释人的行为是一件很重要的事情，自然可以通过计算机来学习人类本身来观察解释人的行为也是一件令人兴奋的事情，因为它的推动会对社会生产、劳动产生积极的促进作用，其中视频本身由于其包含海量的信息而在多媒体中占有非常重要的地位,而基于视频的人体运动分析正是通过计算机来学习解释人的行为的一个且入点，所以这个课题开始吸引大批的专家学者或是计算机视觉爱好者的注意力，这一个研究领域应用是非常更广泛的，可以用在在智能监控、人体运动分析、高级人机接口技术、虚拟现实技术，基于模型的图像编码技术。所以也有越来越多的科研人员投入其中。

人体运动分析指的是运用某种手段跟踪,捕捉人体的运动，获得人体的运动参数并从运动中重建人体的结构和姿态。其最终目的是达到对人体运动的理解并加以应用。人体运动分析的首要任务和基本问题是获取人体的运动参数，而运动参数的获取有多种方法。如采用专用的机械装置或电子装置等。而本文中所提及的人体运动分析都是指利用视频信息来对人体运动进行获取、处理、分析，在后续章节中所论述的人体运动分析如不加特别指明，都指的是这种方式，而本文主要研究从单目视频中，跟踪人体的运动，提取人体的运动参数，从而进行人体运动分析。就广义而言，人体运动分析的研究对象既可以是以人脸、唇、手势等为代表的较小尺度的局部人体运动;也可以是手臂、腿部或全身等人尺度的全身或肢体运动。前者，例如在人脸识别中，通过对人脸的运动分析，跟踪人脸在空间姿态和位置，可以定位人脸，从而为进一步的人脸识别做基础。而在唇读分析领域上，通过对唇的运动分析，可以对语言进行识别或进行相应的辅助识别动作。在手势识别方面，通过分析手指间的相互空间关系，可以获得丰富的信息，达到理解手势的目的。在对后者全身性的运动分析上，可以跟踪人体的全身或肢体运动，识别人体运动的类别，获取人体运动的参数，并在此基础上理解人的人体运动及相关行为方式。本文的主要研究对象是包括四肢运动在内的人的全身和肢体运动。

从应用领域的分类来讲，可以将人体运动分析的应用分成如下几个领域：

①智能监控

这里所指的“智能”包含两个方面的含义。一种“智能”是指系统能够在一定的场景中检测是否有人的出现(如通过检测人脸的方法)防止只是简单的通过运动目标检测所造成的错误报警(例如因为动物活动或者刮风摇动树枝等等而造成误报)。另外一种“智能”是指系统能够监视一定场所中人的活动，并对其行为进行分析和识别，跟踪可疑行为(如经常在重要地点徘徊等等行为)从而采取相应的报警措施。通常把报警系统设置于银行、机场、车站、码头、超市、办公大楼、住宅小区等地，以实现对这些场所的智能监控。

②虚拟现实

跟踪现实世界人的姿态，从而创建一个虚拟的仿真场景，实现人与这个虚拟世界的交互。该领域的具体应用涉及视频游戏、虚拟摄影棚、计算机动画等方面。

③高级用户接口

指可以通过对用户手势的识别来代替传统的鼠标和键盘输入，从而实现人与计算机之间的智能交互。此外，通过对手势语言的理解，还可以进行聋人与计算机之间的手语交流。

④运动分析

人体运动分析可以运用于基于内容的视频检索领域。例如可以检索在运动会上单杠比赛中运动员的杠上动作。这样可以节省用户大量的查询视频资料的时间和精力。另外一种应用是用于各种体育项目中，提取运动员的各项技术参数(如关节位置、角度和角速度，等等)，通过分析这些信息，可以为运动员的训练提供指导和建议，有助于提高运动员的训练水平。此外，还可以用于体育舞蹈动作的分析，以及临床矫形术的研究等领域。

⑤基于模型的视频编码

通过提取一定的静态场景中人物的形态特征参数和3D姿态参数，以较低的数据量对视频数据流加以描述，实现视频数据的压缩和低比特率传送。可以用于在因特网上展开远程视频会议以及VOD（Video-On-Demand）视频点播。

总之，人体运动跟踪的研究已涉及到计算机视觉、模式识别、视频图像处理等方面的理论问题和实际应用问题，对人体这一带有关节旋转运动的非刚体目标的跟踪与分析将会促进这些领域在理论上产生新的处理方法，并将对诸多应用领域产生潜在的影响。

3. 人脸识别的发展历程是什么

【人脸识别发展历史】

人脸识别系统的研究始于20世纪60年代，在90年后期，并且以美国、德国和日本的技术实现为主。在中国的发展起步于上世纪九十年代末，“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。

其核心技术的实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。

人脸识别与其他生物识别的对比

【脸识别技术特点】

第一：三维人脸识别技术是发展主流

二维人脸识别系统在人脸左右偏转达到40度识别率迅速下降到50%以下，从人脸识别技术发展过程来看，未来三维人脸识别是人脸识别主要技术手段。二维人脸识别只是人脸识别发展的过渡阶段。实验结果显示，而采用三维人脸识别后，识别率可以提高至少10-20个百分点。

第二：人脸识别技术具有非侵犯性

不同的生物识别技术在细分技术上各具优势，人脸识别是生物特征识别技术的一个重要方向，人脸识别技术是非接触和不需要主动接受的，具有非侵犯性。

此外，图像采集可以由安防中的摄像头完成，人们对这种技术的排斥心理最小，因此人脸识别技术是一种最友好的生物特征识别技术，不需要重新再布置新的采集设备。

希望本篇回答可以帮助到你~

望采纳~

4. “人体行为识别有哪些算法”详细资料 可否传给我 铭感五内 万分感激！

人体行为识别前已有的方法主要分为三大类：基于模板的方法，基于概率统计的方法和基于语义的方法。
模板匹配是一种较早用在人体运动识别上的方法,将运动图像序列转化为一个或一组静态的模板，通过将待识别样本的模板与已知的模板进行匹配获得识别结果。在行为识别中，基于模板匹配的算法可以分为帧对帧匹配方法和融合匹配方法。主要方法有：运动能量图像（MEI）和运动历史图像（MHI），基于轮廓的平均运动形状（MMS）和基于运动前景的平均运动能量（AME）等。
概率统计方法进行运动识别是把运动的每一种静态姿势定义为一个状态或者一个状态的集合，通过网络的方式将这些状态连接起来，状态和状态之间的切换采用概率来描述。主要有隐马尔科夫模型HMM， 最大熵马尔科夫模型（MEMM），条件随机场（CRF）等。

5. 人体行为识别有哪些算法

人体行为识别前已有的方法主要分为三大类：基于模板的方法，基于概率统计的方法和基于语义的方法。
模板匹配是一种较早用在人体运动识别上的方法,将运动图像序列转化为一个或一组静态的模板，通过将待识别样本的模板与已知的模板进行匹配获得识别结果。在行为识别中，基于模板匹配的算法可以分为帧对帧匹配方法和融合匹配方法。主要方法有：运动能量图像（MEI）和运动历史图像（MHI），基于轮廓的平均运动形状（MMS）和基于运动前景的平均运动能量（AME）等。
概率统计方法进行运动识别是把运动的每一种静态姿势定义为一个状态或者一个状态的集合，通过网络的方式将这些状态连接起来，状态和状态之间的切换采用概率来描述。主要有隐马尔科夫模型HMM， 最大熵马尔科夫模型（MEMM），条件随机场（CRF）等。

6. 生物识别技术的发展趋势

生物识别是根据人类生理特征(人脸、指纹、虹膜等)和行为特征(姿态、动作、情感等)实现身份认证的技术。常用的生物识别技术主要包括人脸识别、指纹识别、虹膜识别、行为识别以及步态识别。随着生物识别、人工智能等技术的发展，生物识别市场规模稳步增长，2019年全球生物特征识别技术市场规模约为200亿美元。指纹识别因综合性优势市占率最高，占比达58%。2020年新冠肺炎的爆发，促使非接触生物识别市场的需求不断增加，未来，非接触式识别将得以大量应用。

市场规模持续增长

生物识别是根据人类生理特征(人脸、指纹、虹膜等)和行为特征(姿态、动作、情感等)实现身份认证的技术。在进行人体身份认证时，其主要通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性和行为特征来进行个人身份的鉴定。目前，常用的生物识别技术主要包括人脸识别、指纹识别、虹膜识别、行为识别以及步态识别。

随着生物识别、人工智能等技术的发展，生物识别市场规模稳步增长，根据信通院数据显示，2019年全球生物特征识别技术市场规模约为200亿美元。

—— 更多数据及分析请参考前瞻产业研究院《中国生物识别技术行业市场调研与投资预测分析报告》。

7. 人脸识别算法的背景

传统的个人身份验证手段如口令、证件、IC 卡等方式，由于与身份人的可分离性，致 使伪造、盗用、破译等现象时有发生，已经不能满足现代社会经济活动和社会安全防范的需要。生物特征识别包括指纹、掌纹、语音、人脸、虹膜、步态、掌静脉等。生物特征识别技术先投入广泛应用的是指纹、掌纹扫描识别技术，但是却常常因为受到皮肤纹理及干燥程度等条件制约出现误判，引发不必要的麻烦，已远远不能满足人们的需求。随着科学技术的不断发展，以及社会对于身份识别越来越高的要求，生物特征识别技术逐渐呈多样化发展，例如虹膜识别、声音识别、笔迹识别、签名识别、人脸识别等各项生物特征识别技术。
作为模式识别和图像处理领域成功的应用之一，人脸识别在过去 20 年里一直都是研究热点。相比之下，人脸识别的普遍性、可采集性与被采集者的可接受性较高，这就具有 了方便友好、易于接受、不易伪造等一系列优点。机器自动人脸识别研究开始于 1966 年 PRI 的 Bledsoe 的工作。1990 年日本研制的人像识别机，可在 1s 内中从 3 500 人中识别到 你要找的人。1993 年，美国国防部高级研究项目署（Advanced Research Projects Agency）和 美国陆军研究实验室（Army Research Laboratory）成立了 Feret（Face RecognitionTechnology） 项目组，建立了 Feret 人脸数据库，用于评价人脸识别算法的性能。2007 年，上海市质量 技术监督局公布了城市轨道交通和旅馆商务办公楼两项安全防范系统地方标准，为 2010 年 上海世博会应用人脸识别技术提供技术规范。2008 年人脸识别应用于奥运会的安防。人脸 识别技术已经开始走入普通生活。国内外人脸识别技术还在进一步发展和完善之中，市场机会处于起步阶段，可广泛应用于安全、考勤、网络安全、银行、海关边检、物业管理、 智能身份证、门禁、计算机登录系统、国家安全、公共安全、军事安全等领域。

8. 个人识别的历史发展

简介
在法庭科学中有一门重要的学科，它与其他法庭科学技术一起参与司法鉴定活动，为司法机关侦破审理提供科学的证据，这就是法医物证学。法医物证学属于法医学范畴，是具有法学特性的一门应用科学。
什么是法医物证？法医物证又可以称为法医生物物证，是指罪犯或民事行为当事人在实施行为时所涉及和遗留的人体构成成分检材（如血液、毛发、牙齿、骨骼、各种组织、各种分泌物及排泄物等）、动物相应的各类检材和部分植物检材（植物纤维、种子、花粉等）。法医物证是一门综合学科，与现代医学、分子生物学、遗传学、微生物学、免疫学等众多的学科有着紧密的联系，运用这些学科的基础理论和技术，在研究解决司法实践的问题中形成本学科的理论和技术。法医物证学有以下的特点。
1．法医物证学的研究目的，是尽可能准确地确定未知的生物检材的来源和种类，尽可能地从对检材的分析中获取个体识别和比对的信息，确定它们来自哪个个体，以达到最终目的―“同一认定”。
2．法医物证学研究和检验的对象范围非常广，所以其采用的技术手段也非常复杂和多样。它汲取了相关学科的各种先进技术手段，应用于本学科领域，使法医物证学成为现代法庭科学中发展最快的学科之一。
3．各类刑事的、民事的案件均在未知和复杂的情况下发生和进行，提供给法医物证鉴定的生物检材，常常是微量甚至是痕量的干枯的斑迹，混有其他污染物，或已经受了高温、腐败而使蛋白质变性、降解，并有可能是几十年甚至是几百年、上千年的陈旧检材。所以法医物证鉴定的方法不同于其他学科，必须具有更高的灵敏度、更好的特异性和更稳定的重复性。
4．法医物证鉴定的结果将作为证据或线索，提供给刑事侦查、司法审判和其他法律活动。
法医物证学的历史
法医学有着悠久的历史，早在距今2 400年前的春秋时期“治狱”过程中就已萌发了法医学。唐代已有兼做验尸的“医学博士”，宋代也有从事验尸的“仵作”。13 世纪中叶（1247年），中国的法医学家宋慈（1186一1249年）所撰写的《洗冤集录》，被公认为是世界上最早的法医学经典专着，比欧洲的法医专着早350多年，该书很快传入各国，对世界法医学的发展作出了重大贡献。
在中国，法医学发展早期就萌发了法医物证学，秦汉以来就有用血液判断亲权的传说，《洗冤集录》对此有记载：“检滴骨亲法”谓如“父母骸骨在他处，子女欲相认，令以身上刺出血，滴骨上，亲生者，则人骨，非则否”，对亲兄弟则以“滴血法”验亲。这些方法虽不科学，但说明在 2 000 多年前就已注意到了父母血型对子女血型的影响，因而现代法医学家认为，“滴血法”是现代血清学亲权鉴定的先声。
中国现代法医物证学的发展进程
（一）本世纪初至新中国成立之前
在本世纪初发现的ABO血型系统和沉淀素血清为法医物证学检验奠定了基础。但在旧中国，法医物证学发展缓慢， 1912 年时只有北京和浙江两处医学类学校设立了法医课。1927年中国现代法医学奠基人林几教授就应用血球凝集现象进行父权鉴定，并在20年代末和孙速芳等人筹办了“司法行政部法医研究所”设有法医物证检验项目，开展 ABO 血型检验和抗人沉淀素血清沉淀环试验确定人血痕。
（二）新中国成立至 70 年代中期
新中国成立以后，随着祖国社会主义建设事业的发展，中国的法医学专业也取得了长足的发展。公安、司法、卫生等部门对法医工作十分重视，基于发展的需要，建立了专门的研究机构，并在许多医学院校中法医教研室，培养了一大批专门人才，为中国法医事业的发展打下了坚实的基础。与此同时，法医物证有了相应的发展，吸附解离试验（又称热解离试验）和混合凝集试验的建立和广泛应用，大大提高了进行血型鉴定的灵敏度，用0.2一0.4厘米的血痕或体液斑痕纱线，在1一2小时内就能进行ABO或MN血型的分型鉴定。对各类检材的确证检验、种属检验和血型分型检验有了较完整的检验方法和程序，但由于“文化大革命”的影响使学科的进展仍然处于低水平。
（三）70年代后期至80年代中期1978年后中国的科学界迎来了第二个春天，法医物证学科也开始了飞速的发展。各种新的鉴定技术的研究建立使得法医物证学的检验领域和检验深度都产生了质的变化。
1. 建立并广泛应用了对ABO和MN血型分型更快速、更准确的热解离实验法，高效价、高特异性抗血清的研制和应用使解离试验的灵敏度有了更进一步的提高。
2. 80 年代初，开始研究和建立对血清蛋白遗传多态性分型的方法并获得突破，从而打破了物证鉴定几十年来仅能对一两种红细胞表面抗原进行分型的局面，开拓了血型检验的新领域。这其中包括应用各种电泳技术（淀粉凝胶、琼脂糖凝胶、连续或不连续的聚丙烯酞胺凝胶电泳法）对血清结合珠蛋白（Hp）、血清型特异成份（Gc）、转铁蛋白（Tf）、抗胰蛋白酶（Pi）、补体组分（C3、C4、C6、 C7等）、 a2一HS糖蛋白（AHSG）、备解素因子（Bf）多态性的分型鉴定；使用凝集法（凝集抑制等方法）对血清免疫球蛋白同种异型（Gm）、（Km）等血型进行分型鉴定。
3. 80 年代中期开始又相继研究建立并推广应用了对红细胞同工酶多态性分型鉴定的一系列方法，使法医物证个人识别领域得到进一步的拓宽。用淀粉凝胶及纤维素膜为支持介质对一种红细胞酶型进行电泳分型；用同步法对一份检材同时进行2一4种红细胞酶型进行电泳分型；所鉴定的红细胞同工酶包括磷酸葡萄糖变位酶（PGM）、酯酶D（EsD）、乙二醛1 （GLO1）、腺昔酸激酶（AK）、腺昔脱氨酶（ADA）、红细胞酸性磷酸酶（EAP）、6一磷酸葡萄糖酸脱氢酶（6一PGD）、谷丙转氨酶（GPT）等十数种，并在几年内使红细胞分型鉴定成为法医物证常规检验法之一。
以上各种分型技术在血痕、精斑、唾液斑和组织检验中的应用，使物证鉴定的个人识别几率有了大幅度的提高，以往进行一种血型检验识别力较低，一般很难超过0.50，而如对一份检材进行多种血型鉴定其累积识别能力可高达0.90以上。
在对血清型和红细胞酶型分型方法进行研究的同时，研究人员还对中国几十个民族各种血型的表型分布和基因频率做了调查研究，获取了大量的数据以作为个人识别鉴定的计算依据，并填补了国内、外数据库的空白，为遗传学、人类学的研究提供了重要资料。
4. 白细胞配型在医学界被广泛应用于器官移植和骨髓移植，同时由于白细胞抗原（HLA）是人类最复杂的一个遗传多态性系统，他具有的高度多态性是其他血型系统无法相比的，因而使白细胞分型成为亲权鉴定中最有效的手段。中国从80年代开始将白细胞分型用于亲权鉴定并配合使用其他血型系统鉴定，使父权肯定几率高达99%以上，可以做出肯定父权的鉴定。
5. 各类物证检材的确证试验和分型鉴定方法的建立，需要使用相应的抗血清和专门试剂。中国的法医工作者从1976年以后在抗血清的研制方面投人了大量的人力、物力，相继成功地研制出一批高特异性的专用血清，其中包括抗M、抗N、抗a一1酸性糖蛋白、抗Gc、抗Hp、抗A、抗B、抗H沉淀素、抗Lewis血清，有力地支持了鉴定方法的研究工作并满足了实际应用的需要。
6. 性别鉴定是物证鉴定中的重要项目，国内从70年代末开始并成功地完成了利用X、Y染色质鉴定血痕、毛发、牙齿、口腔粘膜细胞等组织的性别鉴定，其中，对陈旧血痕性别鉴定的时间可长达 20 年。
（四） 80 年代中期至今
80年代中期以来，法医物证学的发展更加迅速，有大批研究项目完成并投人应用。
1．单克隆技术在法医物证抗体研制中的成功应用，使我们可以从复杂的大分子蛋白质中获取那些带有特定抗原性的部分，并以杂交瘤技术制备出相应的具有极好特异性的抗体。这意味着我们有了得力的工具，可以从纷杂的混合检材中准确地鉴定出是否有人体的某种蛋白存在。在此基础上，又以酶、胶体金或其他标记物标记抗体，并建立了具有高灵敏度及高特异性的酶联免疫（ELISA）方法，这些方法可以从稀释几十万甚至100万倍的检材中确定人体不同蛋白成分的存在。
酶联免疫法的应用也彻底改变了以往使用凝集试验对各种红细胞表面抗原型和血清型进行鉴定的方法，这些方法不但快速、灵敏，而且具有极高特异性。
2．在血型分型技术中，各项高、新技术不断地建立、完善和发展。等电聚焦电泳技术结合使用固相pH梯度凝胶及激光扫描，使电泳分型技术的分辨力大大提高，具有电泳多态性蛋白质的分型也相应从普通型分型到亚型分型，使单一和累积识别能力不断提高。同时单克隆抗体及标记抗体技术在电泳谱带显现中的应用又进一步提高了方法的灵敏度，检材量可以减少至 1 厘米长的一根斑痕纱线。
3． DNA 技术是80年代中期以来带给法医物证学科革命性变化的最重要的技术，70年代后期，DNA多态性的分析研究开始起步，并得到迅速发展。1985年英国科学家Jeffrey，首次应用了DNA指纹分型技术成功地鉴定了一起移民亲权案，因此带给法医物证学科强烈的震动，各国的研究者以极大的热诚投入到这项研究工作中去。在中国DNA研究项目被列为国家“八五”、“九五”、“十五”和“十一”攻关的重点项目，国家投入了大量的财力建立了专门的实验室，使这项研究工作迅速展开。目前这项研究工作已经取得了多项高水平的研究成果。DNA指纹技术（DNA fingerprining）包括多位点和单位点指纹；聚合酶链反应（polymerase chain reacion，PCR），序列多态性和长度多态性；复合扩增STR位点的DNA分型技术（short tandem repeats,STR）；人类线粒体DNA序列多态性和长度多态性；复合扩增STR位点的DNA分型技术（minisatellite variant repeat,MVR）；利用基因重组技术制备DNA探针；单核苷酸多态性分析技术等。这些技术目前已应用到对血痕、精斑、唾液斑、骨骼、毛发等检材的种属鉴定、性别鉴定和分型鉴定。较圆满地解决了犯罪现场常见的微量、陈旧、腐败生物检材及不含细胞核生物检材的DNA鉴定难题，使物证鉴定完成了从排除到高概率认定的质的飞跃。
从70年代后期以来，中国的法医物证研究工作取得了显着的成绩，特别是“八五”以来，每年有多项重大研究项目研究成功并推广应用。其中 DNA 分型技术、红细胞酶型分型技术、血清型分型及抗体制备技术特别法医DNA数据库建设工作等10多项获得国家科技进步奖，并有更多的项目获得省、部级科技进步奖。在这些研究领域内，中国的科研水平达国际先进水平，在许多方面还达到国际领先。中国的法医物证学科的整体水平迅速提高，在国际学科界受到广泛的重视。
法医物证学的展望
1． DNA技术革命性的进展曾使物证学科的发展掀开了崭新的一页，而且依然是下一个世纪学科发展的主导方向。我们需要更灵敏的方法，并要进一步解决腐败程度较高及更微量检材的检验难题，复合扩增STR位点DNA分型技术将受到进一步重视。STR长度短，适用于已降解的DNA，在人类基因组中的STR位点多达几十万个，这就意味着其具有非常好的识别能力，同时STR的分型技术简单、省时、费用低，并能实现自动化，也就更有利于标准化和实行质量控制，这也是STR研究受到重视的主要原因。随着DNA检验技术的不断发展和完善，有望在将来可利用单个细胞进行DNA指纹分析，这意味着只需在犯罪现场找到微小的样品，如一小片头皮屑或一枚模糊的指纹，就可能确认罪犯。中国法庭科学数据库建设将更快地与国际接轨。
2．常规物证学检验目前采用的血清学、生物化学和免疫学技术手段经不断地完善已日趋成熟。但从发展的角度看，这些技术中的部分方法将随学科技术的发展进一步得到发展，而部分则应随之淘汰。如血清学技术手段中传统、复杂的凝集技术，逐渐要被借助于先进的抗体制备技术而发展的标记抗体技术取代，并使更多的血型系统的分型方法更灵敏、更快速、更准确和更微量化。激光扫描技术和计算机的应用也会使生物化学的多项技术得到重大的突破。
3．拓宽检验领域从更多的生物检材中获取信息的研究也将是法医物证发展的一个重要方面。除了人体生物检材外，对植物检材的鉴定在目前仍只能在小范围的个别项目上进行，检验结果也仅可以提供对比的线索。植物的各个部位的细微结构特征都具有特异性，因此植物检材的检验是可以利用进行对比识别的样品。
4. 基因工程将被用于抗体制备技术中，有望完全取代以传统免疫学方法的抗体制备技术，使抗体的制备技术产生重大的变化。
现代法医学的发展从细胞水平研究大分子蛋白质的不同现象始，一直进入到研究生命基本的物质一核酸，走过了漫长的道路，并且将随着科学技术的不断发展而前进。中国的法医物证工作者一定会在新的世纪中开拓进取，努力奋斗，使法庭学科的整体水平进入到一个更新、更高的阶段。世界上的生物体形式千变万化，而我们则执着地朝着在千变万化中，依据个体的特征识别个体的方向不断地前进。

9. 传统行为识别方法和基于深度学习的人体行为识别算法怎么比较

人体行为识别前已有的方法主要分为三大类：基于模板的方法，基于概率统计的方法和基于语义的方法。
模板匹配是一种较早用在人体运动识别上的方法,将运动图像序列转化为一个或一组静态的模板，通过将待识别样本的模板与已知的模板进行匹配获得识别结果。在行为识别中，基于模板匹配的算法可以分为帧对帧匹法和融合匹法。主要方法有：运动能量图像（MEI）和运动历史图像（MHI），基于轮廓的平均运动形状（MMS）和基于运动前景的平均运动能量（AME）等。
概率统计方法进行运动识别是把运动的每一种静态姿势定义为一个状态或者一个状态的集合，通过网络的方式将这些状态连接起来，状态和状态之间的切换采用概率来描述。主要有隐马尔科夫模型HMM， 最大熵马尔科夫模型（MEMM），条件随机场（CRF）等。