人脸识别介绍.pptVIP

* * * * * 支援向量機(SVW)的方法 近年來，支援向量機是統計模式識別領域的一個新熱點，支持向量機主要解決的是一個兩分類問題，它的基本思想是試圖把一個低維的線性不可分的問題轉化成一個高維的線性可分的問題。實驗結果表明支持向量機有較好的識別率。 2.人臉特徵提取與識別的方法 三、人臉識別的過程-人臉識別的兩個技術環節 光照 需要建立光照模型，檢測與定位容易受幹擾。 姿態估計與匹配 三維重建； 二維圖像的生成。 事變的特徵提取與消除 持久性差； 特殊的人群，比如雙胞胎； 建立人臉年齡衰老模型，最大限度消除年齡變化的影響。 四、人臉識別中的關鍵問題 人臉檢測與定位:由於人臉模式的多樣性和圖像獲取過程中的不確定性,人臉在圖像空間中的分佈非常複雜,建立人臉在高維圖像空間中的精確分佈模型是一件非常困難的事。 建立一個統計可靠的估計不僅需要大量的正例樣本,而且需要充分多數量的有效反例樣本。目前研究的一個趨勢是反例樣本的產生和利用問題,這也是最終提高人臉檢測正確率的必然道路。根據具體應用的需要,對檢測環境進行合理的假定(比如運動、顏色等),從而簡化問題,提高系統實用性能也是一條切實可行的途徑。不難預見,知識與統計方法的綜合應用,是解決實際問題所必須的。 五、總結 特徵提取與識別:與剛體不同,人臉是塑性變形體,更適合用彈性模型來描述。因此,任何基於剛體特性