您好，歡迎來(lái)到易龍商務(wù)網(wǎng)！
發(fā)布時(shí)間：2020-11-06 03:02
【廣告】
人臉識(shí)別是一種識(shí)別技術(shù)，用于檢測(cè)保存在數(shù)據(jù)集中的個(gè)人圖像的面部。 盡管其他身份識(shí)別方法可以更準(zhǔn)確，但面部識(shí)別一直是研究的重點(diǎn)，因?yàn)樗哂蟹歉深A(yù)性質(zhì)，而且它對(duì)于人們來(lái)說(shuō)是一種輕松的個(gè)人識(shí)別方法。
1、基于幾何/基于模板
人臉識(shí)別算法分為基于幾何或基于模板的算法。基于模板的方法可以使用SVM(支持向量機(jī))、PCA(主成分分析)、LDA(線性判別分析)、核方法或跟蹤變換等統(tǒng)計(jì)工具構(gòu)建。基于幾何特征的方法主要分析局部人臉特征及其幾何關(guān)系因此它也被稱為基于特征的方法。
2、局部的/整體的
要素之間的關(guān)系或功能與整張臉之間的聯(lián)系并不影響數(shù)量，許多研究人員遵循這種方法，試圖推斷出相關(guān)的特征。有些方法嘗試用眼睛，一些特征的組合等。一些隱馬爾可夫模型方法也屬于這一類，他們的特征處理在人臉識(shí)別中非常有名。
3、基于外貌/基于模型
基于外觀的方法顯示了一張包含多個(gè)圖像的臉。被認(rèn)為是高維向量的圖像。該技術(shù)通常用于從圖像分割中提取特征空間。另一方面，基于模型的方法嘗試對(duì)人臉進(jìn)行建模。將新樣本實(shí)現(xiàn)到模型中，并用模型的參數(shù)對(duì)圖像進(jìn)行識(shí)別。
基于外觀的方法可以分為線性和非線性兩類。PCA、LDA、IDA用于直接法，而核PCA用于非線性方法。另一方面，在基于模型的方法中可分為二維或三維非彈性束圖匹配方法。
傳統(tǒng)的人臉識(shí)別技術(shù)主要是基于可見(jiàn)光圖像的人臉識(shí)別，這也是人們蕞熟悉的識(shí)別方式，已有30多年的研發(fā)歷史。但這種方式有著難以克服的缺陷，尤其在環(huán)境光照發(fā)生變化時(shí)，識(shí)別效果會(huì)急劇下降，無(wú)法滿足實(shí)際系統(tǒng)的需要。解決光照問(wèn)題的方案有三維圖像人臉識(shí)別，和熱成像人臉識(shí)別。但這兩種技術(shù)還遠(yuǎn)不成熟，識(shí)別效果不盡人意。
迅速發(fā)展起來(lái)的一種解決方案是基于主動(dòng)近紅外圖像的多光源人臉識(shí)別技術(shù)。它可以克服光線變化的影響，已經(jīng)取得了識(shí)別性能，在精度、穩(wěn)定性和速度方面的整體系統(tǒng)性能超過(guò)三維圖像人臉識(shí)別。這項(xiàng)技術(shù)在近兩三年發(fā)展迅速，使人臉識(shí)別系統(tǒng)逐漸走向?qū)嵱没?
人臉與人體的其它生物特征（指紋、虹膜等）一樣與生俱來(lái)，它的 性和不易被復(fù)質(zhì)的良好特性為身份鑒別提供了必要的前提。
人臉識(shí)別系統(tǒng)的幾大特征
人臉識(shí)別系統(tǒng)是從面部點(diǎn)之間的距離和比率作為特征，識(shí)別速度快，內(nèi)存要求比較小，對(duì)于光照敏感度降低。
1、基于模型特征
根據(jù)不同特征狀態(tài)所具有概率不同而提取人臉圖像特征。
2、基于統(tǒng)計(jì)特征
將人臉圖像視為隨機(jī)向量，并用統(tǒng)計(jì)方法辨別不同人臉特征模式，比較典型的有特征臉、獨(dú)立成分分析、奇異值分解等。
3、基于神經(jīng)網(wǎng)絡(luò)特征
利用大量神經(jīng)單元對(duì)人臉圖像特征進(jìn)行聯(lián)想存儲(chǔ)和記憶，根據(jù)不同神經(jīng)單元狀態(tài)的概率實(shí)現(xiàn)對(duì)人臉圖像準(zhǔn)確識(shí)別。
人臉識(shí)別系統(tǒng)是根據(jù)所提取的人臉圖像特征采用相關(guān)識(shí)別算法進(jìn)行人臉確認(rèn)或辨別。即將已檢測(cè)到的待識(shí)別人臉與數(shù)據(jù)庫(kù)中已知人臉進(jìn)行比較匹配，得出相關(guān)信息，該過(guò)程的關(guān)鍵是選擇適當(dāng)?shù)娜四槺碚鞣绞脚c匹配策略，系統(tǒng)的構(gòu)造與人臉的表征方式密切相關(guān)。一般根據(jù)所提特征而選擇不同識(shí)別算法進(jìn)行度量，常用的包括距離度量、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、k均值聚類等。
