人臉識別的基本方法

1、人臉識別的基本方法人臉識別的基本方法人臉識別的方法很多，以下介紹一些主要的人臉識別方法。(1)幾何特征的人臉識別方法幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關(guān)系(如相互之間的距離)。這些算法識別速度快，需要的內(nèi)存小，但識別率較低。(2)基于特征臉(PCA)的人臉識別方法特征臉方法是基于KL變換的人臉識別方法，KL變換是圖像壓縮的一種最優(yōu)正交變換。高維的圖像空間經(jīng)過KL變換后得到一組新的正交基，保留其中重要的正交基，由這些基可以張成低維線性空間。如果假設(shè)人臉在這些低維線性空間的投影具有可分性，就可以將這些投影用作識別的特征矢量，這就是特征臉方法的基本思想。這些方法需要較多的訓練樣本，而且

2、完全是基于圖像灰度的統(tǒng)計特性的。目前有一些改進型的特征臉方法。(3)神經(jīng)網(wǎng)絡(luò)的人臉識別方法神經(jīng)網(wǎng)絡(luò)的輸入可以是降低分辨率的人臉圖像、局部區(qū)域的自相關(guān)函數(shù)、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練，而在許多應用中，樣本數(shù)量是很有限的。(4)彈性圖匹配的人臉識別方法彈性圖匹配法在二維的空間中定義了一種對于通常的人臉變形具有一定的不變性的距離，并采用屬性拓撲圖來代表人臉，拓撲圖的任一頂點均包含一特征向量，用來記錄人臉在該頂點位置附近的信息。該方法結(jié)合了灰度特性和幾何因素，在比對時可以允許圖像存在彈性形變，在克服表情變化對識別的影響方面收到了較好的效果，同時對于單個人也不再需要多個樣本進

3、行訓練。(5)線段Hausdorff 距離(LHD) 的人臉識別方法心理學的研究表明，人類在識別輪廓圖(比如漫畫)的速度和準確度上絲毫不比識別灰度圖差。LHD是基于從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對應關(guān)系，因此它更能適應線段圖之間的微小變化。實驗結(jié)果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識別效果不好。(6)支持向量機(SVM) 的人臉識別方法近年來，支持向量機是統(tǒng)計模式識別領(lǐng)域的一個新的熱點，它試圖使得學習機在經(jīng)驗風險和泛化能力上達到一種妥協(xié)，從而提高學習機的

4、性能。支持向量機主要解決的是一個2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(zhuǎn)化成一個高維的線性可分的問題。通常的實驗結(jié)果表明SVM有較好的識別率，但是它需要大量的訓練樣本(每類300個)，這在實際應用中往往是不現(xiàn)實的。而且支持向量機訓練時間長，方法實現(xiàn)復雜，該函數(shù)的取法沒有統(tǒng)一的理論。人臉識別的方法很多，當前的一個研究方向是多方法的融合，以提高識別率。在人臉識別中，第一類的變化是應該放大而作為區(qū)分個體的標準的，而第二類的變化應該消除，因為它們可以代表同一個個體。通常稱第一類變化為類間變化，而稱第二類變化為類內(nèi)變化。對于人臉，類內(nèi)變化往往大于類間變化，從而使在受類內(nèi)變化干擾的情況

5、下利用類間變化區(qū)分個體變得異常困難。正是基于上述原因，一直到21 世紀初，國外才開始出現(xiàn)人臉識別的商用，但由于人臉識別算法非常復雜，只能采用龐大的服務(wù)器，基于強大的計算機平臺。影響人臉識別技術(shù)的因素及解決方法測量人臉識別的主要性能指標有：1.誤識率(False;Accept;Rate;FAR)：這是將其他人誤作指定人員的概率;2.拒識率(False;RejectRate;FRR)：這是將指定人員誤作其它人員的概率。計算機在判別時采用的閾值不同，這兩個指標也不同。一般情況下，誤識率FAR;隨閾值的增大(放寬條件)而增大，拒識率FRR;隨閾值的增大而減小。因此，可以采用錯誤率(Equal;Erro

6、r;Rate;ERR)作為性能指標，這是調(diào)節(jié)閾值，使這FAR和FRR兩個指標相等時的FAR;或FRR。影響人臉識別性能的因素及解決方法(1)背景和頭發(fā)：消除背景和頭發(fā)，只識別臉部圖象部分。(2)人臉在圖象平面內(nèi)的平移、縮放、旋轉(zhuǎn)：采用幾何規(guī)范化，人臉圖象經(jīng)過旋轉(zhuǎn)、平移、縮放后，最后得到的臉部圖象為指定大小，兩眼水平，兩眼距離一定。(3)人臉在圖象平面外的偏轉(zhuǎn)和俯仰：可以建立人臉的三維模型，或進行三維融合(morphing)，將人臉圖象恢復為正面圖象。(4)光源位置和強度的變化：采用直方圖規(guī)范化，可以消除部分光照的影響。采用對稱的從陰影恢復形狀(symmteric;shape;from;shading)技術(shù)，可以得到一個與光源位置無關(guān)的圖象。(5)年齡的變化：建立人臉圖象的老化模型。(6