面部识别技术英文论文文献

文献如下：

[1] Rothe R, Timofte R, Gool L V. Deep Expectation of Real andApparent Age from a Single Image Without Facial Landmarks[J].International Journal of Computer Vision, 2016:1-14.

[2] Eidinger E, Enbar R, Hassner T. Age and Gender Estimation of Unfiltered Faces[J]. IEEE Transactions on Information Forensics & Security, 2014, 9(12):2170-2179.

[3] Chen B C, Chen C S, Hsu W H. Face Recognition and RetrievalUsing Cross-Age Reference Coding With Cross-Age CelebrityDataset[J]. IEEE Transactions on Multimedia, 2015, 17(6):804-815.

[4]王先梅，梁玲燕，王志良，胡四泉. 人脸图像的年龄估计技术研究[J]．中国图象图形学报，2012, 17( 6) : 603-618。

[5] 郑德鹏, 杜吉祥, 翟传敏. 基于深度学习MPCANet 的年龄估计 [J].南京师大学报(自然科学版), 2017, 40(1):20-26。

知网可以查找文献。年龄估计的现状：

简单地说，基于人脸图像的年龄估计是指机器根据面部图像推测出人的大概年龄或所属的年龄范围( 年龄段)。基于人脸图像的年龄估计系统一般分为人脸检测与定位，年龄特征提取，年龄估计，系统性能评价几个部分。根据提取特征方式的不同又分为传统方法和深度学习方法。

如果基于人脸图像的年龄估计问题得到解决，那么在日常生活中基于年龄信息的各种人机交互系统将在现实生活中有着极大的应用需求。

市场主流年龄估计软件包括商汤科技，face++，百度云AI体验中心，腾讯云AI体验中心，年龄检测仪。我们随机拿了一些名人照片做测试，总体说来face++在测试集上表现最好。

传统方法研究思路，自然就是手动提取特征。

传统方法即手动提取特征，传统方法可粗略划分为手动提取特征和年龄估计两个阶段。

根据特征所反映的人脸信息，可以将常用的人脸年龄特征分为形状特征、纹理特征、代数特征以及混合特征。

由于每种类型的特征均从不同角度描述了人脸图像，为了充分利用各种特征的优点，研究人员通常综合集成多种人脸特征，并采用不同的数学方法对其进行处理，从而形成了各具特色的面部年龄特征提取模型。

常见的特征提取模型包括人体测量学模型( anthropometric models) 、特征子空间模型(AGES) 、柔性模型( flexible models) 、流形学习( age manifold)以及外观模型( appearance model) 等。

Viola-Jones方法，人脸识别研究组。《智能环保垃圾处理设备》发布的公告得知人脸识别参考文献为Viola-Jones方法，人脸识别研究组。包括人脸检测，人脸预处理和人脸等方向。

我建议你去看看这些网址。可能有。

1导论 面部识别系统”的原因之一,吸引了这么多的研究关注和维持 在过去的30年发展的巨大潜力是在众多的政府和商业 应用程序。1995年,Chellappa缪群。[5]列少量的应用程序的脸 识别技术,描述了它们的优点和缺点。但是,他们这么做 没有任何系统分析中应用部署。即使在最近的评论(35),在那里 潜在的应用已被分为五类,没有进行这样的 分析。在1997年,至少有25个脸部识别系统可以从13家[3]。 从那时起,这个数字的人脸识别系统和商业企业都有很大的影响 增加了由于出现了许多新的应用领域,进一步改善 人脸识别技术,并增加购买力的系统。我们会举出10 具有代表性的商业的人脸识别技术公司,他们的人脸检测, 面部特征提取,并面临相似,他们比较方法在表1。这些 10公司也参加了最新的人脸识别测试(2002)FRVT卖主 [27]独立进行评估的美国政府最新的人脸识别 技术。虽然这些技术还没有公开为私有 原因,可以推断出许多其他人已纳入商业系统。 作为一种最nonintrusive人脸识别技术的特点、发展 接近人民的日常生活。这就是证据在2000年国际民用航空 组织支持面部识别作为最合适的生物识别技术对航空旅行[11]。, 我们的知识,没有评论文章均可在该新扩大应用场景 然后[3—5次,35)。我们希望这一章将会延长在以往的研究。我们复习 许多面部识别应用程序的人脸识别技术已经使用。这个 是一套应用了更大的集合,在文献[3]. 同时我们也回顾一些 新方案将很可能利用人脸识别技术,在不久的将来。 这些情况被分成十大类,显示在表。尽管我们设法 覆盖尽可能多的范畴,这10个种类既不是专属不彻底。 为每个类别,一些范例程序也可以列出。最后的范畴,给我打电话 “别人”,包括未来的应用,并指出了当前应用程序,我们没有了 进入。这十个类别从第三节,评述了第11节。在第12,有些the372托马斯黄,自由,和Zhenqiu张 易纲预期表。面部识别算法进行了比较,在FRVT从10商业系统 2002年。N / A:不可以。

人脸检测指的是从图像或者视频中寻找出人脸比标注出位置，最常见的场景就是相机中的人脸追踪对焦。人脸识别不仅是要检测出人脸所在的位置，还要能够根据这个人的特征识别出身份信息，比如知鱼的爱来智慧零售解决方案，能够识别进店顾客的身份，从而帮助商家提供个性化的服务。

1引言其中一个原因面部识别技术已经吸引了如此多的关注和持续的研究在过去30年的发展是其在众多政府和商业的巨大潜力申请。 1995年，Chellappa等。 [5]列出了面子少数申请识别技术和描述了他们的优势和，但他们没有分析实际应用中部署的任何系统。即使是最近的审查[35]，其中潜在的应用了一套分为五大类，并没有进行这样的分析。 1997年，由13家公司至少有25人脸自动识别系统提供[3]。 从那时起，人脸识别系统和商业企业的数量有了很大由于增加了许多新的应用领域的出现，进一步改善面部识别技术，并增加了系统的负担能力。我们列出10 商业的代表面部识别公司的合作，他们的脸检测技术， 他们的面部特征提取，并面临着相似的表1比较方法。这些 10家公司也是最新的人脸识别厂商测试的参与者（人脸识别厂商2002年） [27]进行了由美国政府独立地评价的国家最先进的面部识别技术。虽然这些技术的一些不公开的专利因此，可以得出结论，许多人已投入商业系统中。 作为最非入侵生物之一，面部识别技术越来越更贴近人们的日常生活。这方面的证据是，在2000年国际民用航空组织批准为航空旅行[11最合适的生物识别面部识别]。至我们的知识，没有审查文件是在新的应用场景可扩大自然后[3，5，35]。我们希望这一章将是对以往研究的延伸。我们回顾许多面部识别应用程序具有alr

Human Age Estimation Using Bio-inspired Features基于局部Gabor变化直方图序列的人脸描述与识别A Gender and Age Estimation System from Face ImagesSubjective Age Estimation System using Facial ImagesOn the significance of different facial parts for automatic age estimation大部分都是IEEE论文数据库里的，由于大部分都是收费论文，链接就不提供了