传统方法：
PCA（特征脸法）
参考blog.csdn.net/jinshengtao/article/details/18599165
主要是，将一副人脸（大概只有人脸那么大）图像拉成一维向量，当做样本点，利用PCA投影到低维空间，最后测试样本也投影到低维空间，计算与所有样本的欧氏距离，以此判断是哪个人。
LBP（局部二值模式）
参考：blog.sina.com.cn/s/blog_4bdbec750101ekuh.html
灰度图的人脸区域——>LBP二值特征图——>统计直方图——>特征向量——>比较
人脸识别主要包括以下内容：
1)人脸检测(Face Detection)。主要是检测图像中是否存在人脸，并且提取出人脸的区域。
2)人脸图像预处理。主要包括对提取到的人脸图像区域进行处理，包括人脸对齐、颜色空间归一化、灰度化等。
3)人脸特征提取(Feature Extraction )。主要提取人脸图像不变性特征，提取更有效的表达人脸特征的信息。PCA, LBP, SIFT, HOG, Gabor等特征，人脸分类预测阶段的常用方法有：ANN, SVM, 隐马尔科夫模型等。
4)人脸识别(Face Recognition )。主要是从人脸数据库中的人脸图像一一与待识别的人脸图像进行匹配，识别出待识别的人脸图像。
人脸识别研究的难点主要的原因是人脸类内间距较大、类间间距较小。而且人脸的结构极为相似，纹理特征相差不大。其次，人脸是一个立体的非刚性的结构，同一个人在不同背景、不同光照、不同姿态、不同表情、不同距离条件下，人脸的图像也有很大的差异，而且人脸还会随着年龄增长而有所不同。在各种条件影响下，导致了计算机人脸识别极其困难。
网友评论