人脸识别主要算法原理.pdfVIP

实用标准 人脸识别主要算法原理 主流的人脸识别技术基本上可以归结为三类， 即：基于几何特征的方 法、基于模板的方法和基于模型的方法。 1. 基于几何特征的方法是最早、 最传统的方法， 通常需要和其他 算 法 结合才能有比较好的效果； 2. 基于模板的方法可以分为基于相关匹配的方法、 特征脸方法、 线 性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方 法等。 3. 基于模型的方法则有基于隐马尔柯夫模型， 主动形状模型和主动 外观模型的方法等。 1. 基于几何特征的方法 人脸由眼睛、鼻子、嘴巴、下巴等部件构成， 正因为这些部件的形状、 大小和结构上的各种差异才使得世界上每个人脸千差万别， 因此对这 些部件的形状和结构关系的几何描述， 可以做为人脸识别的重要特征。 几何特征最早是用于人脸侧面轮廓的描述与识别， 首先根据侧面轮廓 曲线确定若干显著点， 并由这些显著点导出一组用于识别的特征度量 如距离、角度等。 Jia 等由正面灰度图中线附近的积分投影模拟侧 面轮廓图是一种很有新意的方法。 采用几何特征进行正面人脸识别一般是通过提取人眼、 口、鼻等 重要特征点的位置和眼睛等重要器官的几何形状作为分类特征 , 但 Roder对几何特征提取的精确性进行了实验性的研究， 结果不容乐观。 文案大全 实用标准 可变形模板法可以视为几何特征方法的一种改进，其基本思想是 : 设计一个参数可调的器官模型 ( 即可变形模板 ), 定义一个能量函数， 通过调整模型参数使能量函数最小化， 此时的模型参数即做为该器官 的几何特征。 这种方法思想很好， 但是存在两个问题， 一是能量函数中各种代 价的加权系数只能由经验确定， 难以推广， 二是能量函数优化过程十 分耗时，难以实际应用。 基于参数的人脸表示可以实现对人脸显著 特征的一个高效描述， 但它需要大量的前处理和精细的参数选择。 同 时，采用一般几何特征只描述了部件的基本形状与结构关系， 忽略了 局部细微特征，造成部分信息的丢失，更适合于做粗分类，而且目前 已有的特征点检测技术在精确率上还远不能满足要求，计算量也较 大。 2. 局部特征分析方法（ Local Face Analysis ） 主元子空间的表示是紧凑的， 特征维数大大降低， 但它是非局部 化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的， 某个轴投影后临近的点与原图像空间中点的临近性没有任何关系， 而 局部性和拓扑性对模式分析和分割是理想的特性， 似乎这更符合神经 信息处理的机制， 因此寻找具有这种特性的表达十分重要。 基于这种 考虑， Atick 提出基于局部特征的人脸特征提取