人臉識別算法原理

人臉識別算法的原理：系統(tǒng)輸入一般是一張或者一系列含有未確定身份的人臉圖像，以及人臉數(shù)據(jù)庫中的若干已知身份的人臉圖象或者相應(yīng)的編碼，而其輸出則是一系列相似度得分，表明待識別的人臉的身份。

1、基于幾何特征的方法

1）基本思想

采用幾何特征進(jìn)行正面人臉識別一般是通過提取人眼、口、鼻等重要特征點的位置和眼睛等重要器官的幾何形狀作為分類特征。因為人臉由眼睛、鼻子、嘴巴、下巴等部件構(gòu)成，正因為這些部件的形狀、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，所以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。

2）局限性

基于幾何特征的方法是最早、最傳統(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?；趨?shù)的人臉表示可以實現(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檢測技術(shù)在精確率上還遠(yuǎn)不能滿足要求，計算量也較大。

2、特征臉方法（PCA）

特征臉方法是90年代初期由Turk和Pentland提出的目前最流行的算法之一，具有簡單有效的特點，也稱為基于主成分分析（principalcomponentanalysis，簡稱PCA）的人臉識別方法。

1）基本思想

該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然后再計算出它們的幾何特征量，而這些特征量形成一描述該面像的特征向量。其技術(shù)的核心實際為“局部人體特征分析”和“圖形／神經(jīng)識別算法?！边@種算法是利用人體面部各器官及特征部位的方法。如對應(yīng)幾何關(guān)系多數(shù)據(jù)形成識別參數(shù)與數(shù)據(jù)庫中所有的原始參數(shù)進(jìn)行比較、判斷與確認(rèn)。

2）局限性

特征臉方法是一種簡單、快速、實用的基于變換系數(shù)特征的算法，但由于它在本質(zhì)上依賴于訓(xùn)練集和測試集圖像的灰度相關(guān)性，而且要求測試圖像與訓(xùn)練集比較像，所以它有著很大的局限性。

3、神經(jīng)網(wǎng)絡(luò)方法

1）基本思想

人工神經(jīng)網(wǎng)絡(luò)是一種非線性動力學(xué)系統(tǒng)，具有良好的自組織、自適應(yīng)能力。目前神經(jīng)網(wǎng)絡(luò)方法在人臉識別中的研究方興未艾，但在人臉識別上的應(yīng)用比起前兩類方法來有一定的優(yōu)勢，因為對人臉識別的許多規(guī)律或規(guī)則進(jìn)行顯性的描述是相當(dāng)困難的，而神經(jīng)網(wǎng)絡(luò)方法則可以通過學(xué)習(xí)的過程獲得對這些規(guī)律和規(guī)則的隱性表達(dá)，它的適應(yīng)性更強，一般也比較容易實現(xiàn)。因此人工神經(jīng)網(wǎng)絡(luò)識別速度快，但識別率低。

2）局限性

神經(jīng)網(wǎng)絡(luò)方法通常需要將人臉作為一個一維向量輸入，因此輸入節(jié)點龐大，其識別重要的一個目標(biāo)就是降維處理。