主流的人臉識別系統(tǒng)基本上可以歸結(jié)為三類，即：基于幾何特征的方法、基于模板的方法和基于模型的方法。
1. 基于幾何特征的方法是早、傳統(tǒng)的方法，通常需要和其他算法結(jié)合才能有比較好的效果；
2. 基于模板的方法可以分為基于相關(guān)匹配的方法、特征臉方法、線性判別分析方法、奇異值分解方法、神經(jīng)網(wǎng)絡(luò)方法、動態(tài)連接匹配方法等。
3. 基于模型的方法則有基于隱馬爾柯夫模型，主動形狀模型和主動外觀模型的方法等。
基于幾何特征的方法
人臉由眼睛、鼻子、嘴巴、下巴等部件構(gòu)成，正因?yàn)檫@些部件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個人臉千差萬別，因此對這些部件的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以做為人臉識別的重要特征。
幾何特征早是用于人臉側(cè)面輪廓的描述與識別，先根據(jù)側(cè)面輪廓曲線確定若干顯著點(diǎn)，并由這些顯著點(diǎn)導(dǎo)出一組用于識別的特征度量如距離、角度等。Jia 等由正面灰度圖中線附近的積分投影模擬側(cè)面輪廓圖是一種很有新意的方法。
采用幾何特征進(jìn)行正面人臉識別系統(tǒng)一般是通過提取人眼、口、鼻等重要特征點(diǎn)的位置和眼睛等重要器官的幾何形狀作為分類特征,但對幾何特征提取的精確性進(jìn)行了實(shí)驗(yàn)性的研究，結(jié)果不容樂觀。
可變形模板法可以視為幾何特征方法的一種改進(jìn)，其基本思想是：設(shè)計(jì)一個參數(shù)可調(diào)的器官模型 (即可變形模板),定義一個能量函數(shù)，通過調(diào)整模型參數(shù)使能量函數(shù)小化，此時的模型參數(shù)即做為該器官的幾何特征。
這種方法思想很好，但是存在兩個問題，一是能量函數(shù)中各種代價的加權(quán)系數(shù)只能由經(jīng)驗(yàn)確定，難以推廣，二是能量函數(shù)優(yōu)化過程十分耗時，難以實(shí)際應(yīng)用。 基于參數(shù)的人臉表示可以實(shí)現(xiàn)對人臉顯著特征的一個高效描述，但它需要大量的前處理和精細(xì)的參數(shù)選擇。同時，采用一般幾何特征只描述了部件的基本形狀與結(jié)構(gòu)關(guān)系，忽略了局部細(xì)微特征，造成部分信息的丟失，更適合于做粗分類，而且目前已有的特征點(diǎn)檢測技術(shù)在精確率上還遠(yuǎn)不能滿足要求，計(jì)算量也較大。
特征臉方法
特征臉方法是90年代初期由Turk和Pentland提出的目前流行的算法之一，具有簡單有效的特點(diǎn)， 也稱為基于主成分分析（principal component analysis，簡稱PCA）的人臉識別方法。
特征臉技術(shù)的基本思想是：從統(tǒng)計(jì)的觀點(diǎn)，尋找人臉圖像分布的基本元素，即人臉圖像樣本集協(xié)方差矩陣的特征向量，以此近似地表征人臉圖像。這些特征向量稱為特征臉（Eigenface）。
實(shí)際上，特征臉反映了隱含在人臉樣本集合內(nèi)部的信息和人臉的結(jié)構(gòu)關(guān)系。將眼睛、面頰、下頜的樣本集協(xié)方差矩陣的特征向量稱為特征眼、特征頜和特征唇，統(tǒng)稱特征子臉。特征子臉在相應(yīng)的圖像空間中生成子空間，稱為子臉空間。計(jì)算出測試圖像窗口在子臉空間的投影距離，若窗口圖像滿足閾值比較條件，則判斷其為人臉。
|
|
|||||||