人脸识别技术大总结.docx
《人脸识别技术大总结.docx》由会员分享，可在线阅读，更多相关《人脸识别技术大总结.docx（15页珍藏版）》请在冰点文库上搜索。
人脸识别技术大总结
人脸识别技术大总结
各位读友大家好，此文档由网络收集而来，欢迎您下载，谢谢
是XX最新发布的《人脸识别技术大总结》的详细范文参考文章，觉得应该跟大家分享，这里给大家转摘到XX。
篇一：
人脸识别技术的主要研究方法
1、绪论
人脸识别是通过分析脸部器官的唯一形状和位置来进行身份鉴别。
人脸识别是一种重要的生物特征识别技术，应用非常广泛。
与其它身份识别方法相比，人脸识别具有直接、友好和方便等特点，因而，人脸识别问题的研究不仅有重要的应用价值，而且在模式识别中具有重要的理论意义，目前人脸识别已成为当前模式识别和人工智能领域的研究热点。
本章将简单介绍几种人脸识别技术的研究方法。
关键词：
人脸识别
2、人脸识别技术的主要研究方法
目前在国内和国外研究人脸识别的方法有很多，常用的方法有：
基于几何特征的人脸识别方法、基于代数特征的人脸识别方法、基于连接机制的人脸识别方法以及基于三维数据的人脸识别方法。
人脸识别流程图如图2．1所示：
图2．1人脸识别流程图
3、基于几何特征的人脸识别方法
基于特征的方法是一种自下而上的人脸检测方法，由于人眼可以将人脸在不此研究人员认为有一个潜在的假设：
人脸或人脸的部件可能具有在各种条件下都不会改变的特征或属性，如形状、肤色、纹理、边缘信息等。
基于特征的方法的目标就是寻找上述这些不变特征，并利用这些特征来定位入脸。
这类方法在特定的环境下非常有效且检测速度较高，对人脸姿态、表情、旋转都不敏感。
但是由于人脸部件的提取通常都借助于边缘算子，因此，这类方法对图像质量要求较高，对光照和背景等有较高的要求，因为光照、噪音、阴影都极有可能破坏人脸部件的边缘，从而影响算法的有效性。
模板匹配算法首先需要人TN作标准模板（固定模板）或将模板先行参数化（可变模板），思想汇报专题然后在检测人脸时，计算输入图像与模板之间的相关值，这个相关值通常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的匹配程度后得出的综合描述，最后再根据相关值和预先设定的阈值来确定图像中是否存在人脸。
基于可变模板的人脸检测算法比固定模板算法检测效果要好很多，但是它仍不能有效地处理人脸尺度、姿态和形状等方面的变化。
基于外观形状的方法并不对输入图像进行复杂的预处理，也不需要人工的对人脸特征进行分析或是抽取模板，而是通过使用特定的方法（如主成分分析方法（PCA）、支持向量机（SVM）、神经网络方法（ANN）等）对大量的人脸和非人脸样本组成的训练集（一般为了保证训练得到的检测器精度，非人脸样本集的容量要为人脸样本集的两倍以上）进行学习，再将学习而成的模板或者说分类器用于人脸检测。
因此，这也是j种自下而上的方法。
这种方法的优点是利用强大的机器学习算法快速稳定地实现了很好的检测结果，并且
该方法在复杂背景下，多姿态的人脸图像中也能得到有效的检测结果。
但是这种方法通常需要遍历整个图片才能得到检测结果，并且在训练过程中需要大量的人脸与非人脸样本，以及较长的训练时间。
近几年来，针对该方法的人脸检测研究相对比较活跃。
4、基于代数特征的人脸识别方法
在基于代数特征的人脸识别中，每一幅人脸图像被看成是以像素点灰度为元素的矩阵，用反映某些性质的数据特征来表示人脸的特征。
设人脸图像）,（yxI为二维NM×灰度图像，范文写作同样可以看成是NMn×=维列向量，可视为NM×维空间中的一个点。
但这样的一个空间中，并不是空间中的每一部分都包含有价值的信息，故一般情况下，需要通过某种变换，将如此巨大的空间中的这些点映射到一个维数较低的空间中去。
然后利用对图像投影间的某种度量来确定图像间的相似度，最常见的就是各种距离度量。
在基于代数特征的人脸识别方法中，主成分分析法（PCA）和Fisher线性判别分析（LDA）是研究最多的方法。
本章简要介绍介绍了PCA。
完整的PCA（PrincipalComponentAnalysis）人脸识别的应用包括四个步骤：
人脸图像预处理；读入人脸库，训练形成特征子空间；把训练图像和测试图像投影的上一步骤中得到的子空间上；选择一定的距离函数进行识别。
详细描述如下：
读入人脸库
一归一化人脸库后，将库中的每个人选择一定数量的图像构成训练集，设归一化后的图像是n×n，按列相连就构成n2维矢量，可视为n2维空间中的一个点，可以通过K-L变换用一个低维子空间描述这个图像。
计算K．L变换的生成矩阵
训练样本集的总体散布矩阵为产生矩阵，即
或者写成
:
式中xi为第i个训练样本的图像向量，|l为训练样本的均值向量，M为训练样本的总数。
XX为了求n2×n2维矩阵∑的特征值和正交归一化的特征向量，要直接计算的话，计算量太大，由此引入奇异值分解定理来解决维数过高的问题。
利用奇异值分解（AVD）定理计算图像的特征值和特征向量
设A是一个秩为r的行n×r维矩阵，则存在两个正交矩阵和对角阵：
其中凡
!
其
中为矩
阵的非零特征值
，
把训练图像和测试图像投影到特征空间每一副人脸图像向特征脸子空间投影，得到一组坐标系数，就对应于子空间中的一个点。
同样，子空间中的任一点也对应于～副图像。
这组系数便可作为人脸识别的依据，也就是这张人脸图像的特征脸特征。
也就是说任何一幅人脸图像都可以表示为这组特征脸的线性组合，各个加权系数就是K．L变换的展开系数，可以作为图像的识别特征，表明了该图像在子空间的位置，也就是向量
则这两个正交矩阵和对角矩阵满足下式：
可用于人脸检测，如果它大于某个阈值，可以认为f是人脸图像，否则就认为不是。
这样原来的人脸图象识别问题就转化为依据子空间的训练样本点进行分类的问题。
5、基于连接机制的人脸识别方法
基于连接机制的识别方法的代表性有神经网络和弹性匹配法。
神经网络（ANN）在人工智能领域近年来是一个研究热门，范文TOP100基于神经网络技术来进行人脸特征提取和特征识别是一个积极的研究方向。
神经网络通过大量简单神经元互联来构成复杂系统，在人脸识别中取得了较好的效果，特别是正面人脸图像。
常用的神经网络有：
BP网络、卷积网络、径向基函数网络、自组织网络以及模糊神经网络等n¨。
BP网络的运算量较小耗时也短，它的自适应功能使系统的鲁棒性增强。
神经网络用于人脸识别，相比较其他方法，其可以获得识别规则的隐性表达，缺点是训练时间长、运算量大、收敛速度慢且容易陷入局部极小点等。
Gutta等人结合RBF与树型分类器的混合分类器模型来进行人脸识别乜螂1。
Lin等人采用虚拟样本进行强化和反强化学习，采用模块化的网络结构网络的学习加快，实现了基于概率决策的神经网络方法获得了较理想结果，。
此种方法能较好的应用于人脸检测和识别的各步骤中。
弹性匹配法采用属性拓扑图代表人脸，拓扑图的每个顶点包含一个特征向量，以此来记录人脸在该顶点位置周围的特征信息¨引。
拓扑图的顶点是采用小波变换特征，对光线、角度和尺寸都具有一定的适应性，最全面的范文参考写作网站且能适应表情和视角的变化，其在理论上改进了特征脸算法的一些缺点。
6、基于三维数据的人脸识别方法
一个完整的人脸识别系统包括人脸面部数据的获取、数据分析处理和最终结果输出三个部分。
图2-1显示了三维人脸识别的基本步骤：
1、通过三维数据采集设备获得人脸面部的三维形状信息；2、对获取的三维数据进行平滑去噪和提取面部区域等预处理；3、从三维数据中提取人脸面部特征，通过与人脸库中的数据进行比对；4、用分类器做分类判别，输出最后决策结果。
基于三维数据的方法的代表性是基于模型合成的方法和基于曲率的方法。
基于模型合成的方法，它的基本思想为：
输入人脸图像的二维的，用某种技术恢复（或部分恢复）人脸的三维信息，再重新合成指定条件下的人脸图像。
典型代表是3D可变形模型和基于形状恢复的3D增强人脸识别算法。
3D可变形模型首先通过200个高精度的3D人脸模型构建一个可变形的3D人脸模型，用这个模型来对给定的人脸图像拟合，获得一组特定的参数，再合成任何姿态和光照的人脸图像n卜捌。
基于形状恢复的3D增强人脸识别算法是利用通用的3D人脸模型合成新的人脸图像，合成过程改变了一定的姿态与光源情况。
曲率是最基本的表达曲面信息的局部特征，因而最早用来处理3D人脸识别问题的是人脸曲面的曲率。
Lee禾lJ用平均曲率和高斯曲率值，将人脸深度图中凸的区域分割出来。
7、本章小结
上面研究的各种识别方法都获得了一定的成功，但各有优缺点：
（1）基于几何特征的识别方法很简单，但目前还没有形成特征提取的统一标准，较难从图像中抽取稳定的特征，尤其是特征受到遮挡或有较大表情变化时，其对姿态变化的鲁棒性也较差。
（2）基于代数特征的识别方法通过各种变换方法来提取主分量，代数特征向量是具有一定稳定性的，
基于该方法的识别系统对不同的角度和表情都有一定的鲁棒性。
（3）基于连接机制的识别方法其优点是保存了图像中的材质信息，且特征提取不复杂。
但受到原始图像数据量庞大的影响，识别时间长，特别是当样本数量大大增加时，会严重影响其性能。
（4）基于三维数据的人脸识别方法使用三维数据，是人脸识别的新思路，目前提取但信息还有一定困难，且需要很大数据存储和计算量。
本章介绍了目前常用的一些人脸检测与识别方法，从识别率来看各种方法在指定数据库上的识别性能高低不同，总体来说很难总结哪种方法更为优越。
各种识别方法都有各自的特点，不同的场合识别效果不同。
参考文献:
1、卓永亮.基于web的人脸检测与人脸识别
2、李寅.基于代数特征的人脸识别研究及其DSP实现
3、王红.基于肤色的人脸检测及识别研究
4、赵明华.人脸检测和识别技术的研究
5、王跃明.表情不变的三维人脸识别研究
6、蒋成成.三维人脸识别方法研究
7、李进.基于代数特征的人脸识别研究
篇二：
人脸识别技术发展及应用分析
人脸识别技术发展及应用分析
人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。
用摄像机采集人脸图像，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术处理，包括人脸图像采集、人脸定位、人脸识别预处理、记忆存储和比对辨识，达到识别不同人身份的目的。
市场现状
人脸识别技术的研究始于20世纪60年代末期。
20世纪90年代后期以来，一些商业性的人脸识
别系统逐渐进入市场，但是，这些技术和系统离
实用化都有一定距离，性能和准确率也有待提高。
美国遭遇恐怖袭击后，这一技术引起了广泛关
注。
作为非常容易隐蔽使用的识别技术，人脸识
别逐渐成为国际反恐和安全防范重要的手段之一。
近年来，人脸识别在中国市场，也经历着迅速的
发展，而且发展的脚步也越来越快。
主要原因有以下两方面。
科技的进步
国际上，美国标准与技术研究院（NIST）举办的FaceRecognitionVendorTest2006，通过大规模的人脸数据测试表明，当今世界上人脸识别方法的识别精度比2002年的FRVT2002至少提高了一个数量级（10倍），而对于高清晰，高质量人脸图像识别，机器的识别精度几乎达到100%。
在我国，近年来科技界和社会各个方面都认识到人脸识别技术的重要性，国家政策对人脸识别技术研究给予了很大支持，使得我国人脸识别技术也得到了迅速的发展。
应用需求的增加
越来越趋向于高科技的犯罪手段使得人们对各种场合的安全机制要求也近乎苛刻，各种应用需求不断涌现。
人脸识别市场的快速发展一方面归功于生物识别需求的多元化，另一方面则是由于人脸识别技术的进步。
从需求上来说，除了传统的考勤、门禁等应用外，视频监控
环境下的身份识别正成为一种迫切的需求，
即在一个较复杂的场景中，在较远的距离就识别出特定的人，这显然是其它生物识别方法所欠缺的，而人脸识别却是一个极佳的选择。
技术历程
国家“十一五”科技发展规划将人脸识别技术的研究与发展列入其中，明确指出：
“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，开发具有高安全性、低误报率的出入口控制新产品。
”在这种环境下，国内一些科研院所和院校在人脸识别技术方面取得了很大进展。
如中科院自动化所，清华大学，中科院计算所自主开发的人脸识别技术已经达到了国际先进的水平。
传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们最熟悉的识别方式，已有30多年的研发历史。
但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。
解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。
但目前这两种技术还远不成熟，识别效果不尽人意。
最近迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。
它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。
这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。
[nextpage]
可见光人脸识别技术
可见光是光谱中人眼可以感知的部分，可见光谱没有精确的范围，一般人的眼睛可以感知可见光的波长在400到700纳米之间。
作为可为人眼感知的光源，也是生活中最常见的光源。
因此，传统的人脸识别技术主要基于可见光图像的人脸识别，这也是人们最熟悉的人脸识别方式。
为了克服受环境光照的影响，学术界做了大量的研究和技术开发。
对可见光人脸识别系统进行了大量改进,以减轻环境光照的影响，目前也取得了一定的进步。
多光源人脸识别技术
在自然界中，除人眼可见的光线外，还存在着红外、紫外等不可见的光线。
为了克服可见光因环境因素而变化的影响，相关企业做了大量的研究和技术开发。
基于红外与可见光融合的多光源人脸识别方法是人脸识别技术的一项革命性创新，目的在于消除可见光变化对人脸识别的影响。
可见光图像受光源影响较大，而单纯的红外图像可以独立光源，但对温度变化比较敏感，而红外与可见光融合的多光源人脸识别方法，被证明比任意单一光源的识别更有效。
它是一种基于融合红外与可见光图像的人脸识别方法，对红外与可见光人脸图像分别采用PCA与线性辨别分析相结合的方法进行特征提取和识别，并利用获得的识别结果与它们各自的置信度进行决策融合，并确定最终的人脸识别结果。
实验表明，可以有效提高人脸识别性能和对各种应用环境的适用性。
技术优势
人脸识别较之于其它生物识别技术，在社会公共安全领域的应用，具有更明显的优势。
首先是其自然性，该识别技术同人类（甚至其它生物）进行个体识别时所利用的生物特征相同。
例如脸部识别，人类也是通过观察比较人脸区
分并确认身份的，另外具有自然性的识别还有语音识别、体形识别等，而指纹识别、虹膜识别等都不具有自然性，因为人类或者其它生物并不通过此类生物特征区别个体。
其次是其不被察觉性，不被察觉对于一种识别方法也很重要，这会使该识别方法不令人反感，并且因为不容易引起人的注意而不容易被欺骗。
人脸识别具有这方面的特点，它完全利用可见光获取人脸图像信息，而不同于指纹识别或者虹膜识别，需要利用电子压力传感器采集指纹，或者近距离采集虹膜图像，这些特殊的采集方式很容易被人察觉，从而更有可能被伪装欺骗。
这一特点特别适用于逃犯跟踪系统。
再则是其非接触性和唯一性，使其更加适合运用于公安刑侦系统，门禁考勤系统，网络应用系统等。
应用前景
目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。
例如，一位储户走进了银行，他既没带银行卡，也没有回忆密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，然后
迅速而准确地完成了用户身份鉴定，办理完业务。
这是美国德克萨斯州联合银行的一个营业部中发生的一个真实的镜头。
而该营业部所使用的正是现代生物识别技术中的“虹膜识别系统”。
此外，美国“”事件后，反恐怖活动已成为各国政府的共识，加强机场的安全防务十分重要。
美国维萨格公司的脸像识别技术在美国的两家机场大显神通，它能在拥挤的人群中挑出某一张面孔，判断他是不是通缉犯。
随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。
1、企业、住宅安全和管理。
如人脸识别门禁考勤系统，人脸识别防盗门等。
2、电子护照及身份证。
这或许是未来规模最大的应用，国际民航组织（ICAO）已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式，该规定已经成为国际标准。
中国的电子护照计划公安部一所正在加紧规划和实施。
3、公安、司法和刑侦。
如利用人脸识别系统和网络，在全国范围内搜捕逃犯。
4、自助服务。
如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。
如果同时应用人脸识别就会避免这种情况的发生。
5、信息安全。
如计算机登录、电子政务和电子商务。
在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。
而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。
但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性。
人脸识别产业的发展
这些年来我国经济发展日新月异，政府各部门对利用新技术解决关键问题热情支持。
人脸识别技术广泛应用到电子护照、生物特征身份证、银行系统、公安系统、电子商务、电子政务等系统中，不但可以提高社会运行的效率，也可以大大增强公民日常生活的安全性。
这将是一件功在当代利在千秋的好事。
发展人脸识别技术离不开标准化工作。
目前人脸识别标准化工作在公安部一所、电子技术标准研究所和中科院自动化所的倡导下，正在积极进行。
这个工作不仅为规范国内技术产品提供标准化规范，也将为中国技术进入国际提供平台。
目前，人脸识别技术的应用还没有做到“普及”，但是不可否认，它已经在开始影响我们的生活。
通过一批专家学者不倦的努力，我国的人脸识别技术已经不落后于发达国家。
与此同时，市场对可靠的人脸识别技术的需求也越来越迫切。
一旦人脸识别得以推广，发展前景将不可**。
届时，人脸识别技术本身的发展和应用效果还将有更大的提升，那将为我们的生活带来更多的便利和安全。
人脸识别产品选购安装需注意的事项
由于生物识别产品受到外界因素的影响比较大，因而在选购、安装等事项上也需要注意很多问题，而人脸识别产品受环境影响更大则更应该做较多的考虑。
那么在具体的选购安装中要注意的事项有：
第一，该人脸识别产品在逆光下的检测结果是否理想。
第二，注意该产品数据库的模板建立是否达到要求。
理想情况下数据库的模板数量是越多越好，当然在选择的时候只要能达到自己的容量大小就可以了；另外，对最小像素点的要求也需考虑，如双眼要达到100个像素点则比较不错。
第三，对产品采集图像的最小角度的要求能否达到自己的预期。
若不能达到自己满意的角度则可以不考虑。
除此之外，眼镜对于识别率的影响也应该列入选购范围内，如采集图片的时候双目会不会被眼镜遮挡，若被采集者佩戴较粗的镜框，则有影响识别误差的可能性。
还有一个比较重要的因素是，该产品是否具有活体检测功能，对于眼睛的睁开和关闭、眼球的运动等是否会影响到产品的识别误差。
安装的时候需要双向的结合考虑，安装摄像机不能太高，还要考虑软件能适应多少容量，补光情况怎样，对光线下的识别率影响情况如何，是否受偏光的影响较大等，都是需要安装的时候去认真考虑的问题。
以上这些都是检测人脸识别产品好坏的一些标准，希望能给工程商和用户提供一些选购安装的依据。
篇三：
浅谈人脸识别技术发展
浅谈人脸识别技术发展
【摘要】人脸识别由于其广泛的应用，现在业已成为多个学科领域的研究热点之一。
本文综述了人脸识别理论的概念，并对人脸识别技术的发展历程做了简单的回顾，讨论了其中的关键技术，重点讨论了基于几何特征、模型和统计的方法，进而对人脸识别技术今后的发展方向提出我的一些展望。
【关键词】人脸识别技术模式识别
1 引言
人脸识别是近年来模式识别、图像处理、机器视觉、神经网络以及认知科学等领域研究的热点课题之一，被广泛应用于公共安全（罪犯识别等）、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统等各个方面。
综合文献分析，广义上而言，所谓“人脸识别（FaceRecognition）”的研究范围十分宽泛，大致可以被分为以下4个方面的内容[1]：
（1）人脸鉴别（FaceIdentification，狭义的“人脸识别”）：
即将待识别的人脸与数据库中的已知人脸比较，得出相关信息。
（2）人脸检测（FaceDetection）：
即从各种不同的场景中检测出人脸的存在并确定其位置。
（3）表情/姿态分析（Expression/GestureAnalysis）：
即对待识别人脸的表情或姿态信息进行分析，并对其加以归类。
（4）生理分类（PhysicalClassification）：
即对待识别人脸的生理特征进行分析，得出其年龄、性别等相关信息。
在本文中，我们主要探讨狭义的人脸识别，即人脸鉴别的相关研究成果。
2 人脸识别发展历程
人脸识别的工程应用始于20世纪60年代，经过50多年的研究，大致可以分为以下三个阶段：
第一阶段是主要解决了人脸识别所需要的面部特征。
这一阶段的研究以Bertillon、Allen和Parke为代表。
在Bertillon的系统中，用一个简单的语句与数据库中某一张脸相联系，同时与指纹分析相结合，提供了一个较强的识别系统。
而Allen则设计了一种有效的摹写手段[2]，并在其后由Parke用计算机实现[3]。
然而无论是哪种方式，该阶段的识别过程仍然全部依赖于操作人员，需要许多人为干预，无法实现自动人脸识别。
第二阶段是人机交互式识别阶段。
研究人员用数学模型描述人脸图像中的五官长度等主要几何特征，并通过欧氏距离进行相似性度量。
Harmon和Lesk利用多维特征矢量表示人脸面部特征，并设计了基于这一特征表示法的识别系统。
[4]其后，Kaya、Kobayashi和也分别采用了各种不同的方式，对几何特征计算进行了研究[5][6]。
但是，该方法依赖于操作员的知识，仍无法摆脱人的干预。
第三阶段是真正的机器自动识别阶段。
该阶段人脸识别技术有了重大突破，很多经典算法相继出现，如特征脸、子空间方法、弹性图匹配法、基于统计外观模型和神经网络的人脸识别等。
同时，也出现很多用于算法性能测试的公开人脸库，如ORL人脸库、YaleB人脸库、FERET人脸库等。
3 常用的人脸识别方法
一个全自动人脸识别系统一般包括三个关键技术：
人脸检测、特征提取和人脸识别。
根据方式的不同，人脸识别方法分为基于几何特征的方法、基于模型的方法、基于统计的方法、基于神经网络的方法和多分类器集成方法。
其中，基于几何特征、模型和统计的方法最为常见。
（1）基于几何特征的方法
文献中记载最早的人脸识别方法就是Bledsoe提出的基于几何特征的方法，该方法以面部特征点之间的距离和比率作为特征，通过最近邻方法来识别人脸。
基于几何特征的方法非常直观，识别速度快，内存要求较少，提取的特征在一定程度上对光照变化不太敏感。
[7]但是，当人脸具
有一定的表情或者姿态变化时，特征提取不精确，而且由于忽略了整个图像的很多细节信息，识别率较低，所以近年来已经很少有新的发展。
（2）基于模型的方法
基于模型的方法也是人脸识别的重要形式，其中最广为使用的是隐马尔可夫模型。
它是一种基于整体的或然率统计方法。
对于一幅正面的人脸
升级会员 