文档介绍：精品
人脸识别主要算法原理
主流的人脸识别技术基本上可以归结为三类， 即：基于几何特征的方法、基于模板的方法和基于模型的方法。
1. 基于几何特征的方法是最早、最传统的方法，通常需要和其他 算法结合才能有比较好的效果；
基于模板的方法可以分为基于相关匹配的方法、特征脸方法、线性判别分析方法、奇异值分解方法、神经网络方法、动态连接匹配方法等。
基于模型的方法则有基于隐马尔柯夫模型， 主动形状模型和主动外观模型的方法等。
基于几何特征的方法
人脸由眼睛、鼻子、嘴巴、下巴等部件构成，正因为这些部件的形状、大小和结构上的各种差异才使得世界上每个人脸千差万别， 因此对这些部件的形状和结构关系的几何描述， 可以做为人脸识别的重要特征。几何特征最早是用于人脸侧面轮廓的描述与识别， 首先根据侧面轮廓曲线确定若干显著点， 并由这些显著点导出一组用于识别的特征度量如距离、角度等。 Jia 等由正面灰度图中线附近的积分投影模拟侧面轮廓图是一种很有新意的方法。
采用几何特征进行正面人脸识别一般是通过提取人眼、 口、鼻等
重要特征点的位置和眼睛等重要器官的几何形状作为分类特征 ,但 Roder 对几何特征提取的精确性进行了实验性的研究， 结果不容乐观。
感谢下载载
精品
可变形模板法可以视为几何特征方法的一种改进，其基本思想是 :
设计一个参数可调的器官模型 (即可变形模板 ),定义一个能量函数，
通过调整模型参数使能量函数最小化， 此时的模型参数即做为该器官的几何特征。
这种方法思想很好， 但是存在两个问题， 一是能量函数中各种代价的加权系数只能由经验确定， 难以推广，二是能量函数优化过程十分耗时，难以实际应用。 基于参数的人脸表示可以实现对人脸显著特征的一个高效描述， 但它需要大量的前处理和精细的参数选择。 同时，采用一般几何特征只描述了部件的基本形状与结构关系， 忽略了局部细微特征，造成部分信息的丢失，更适合于做粗分类，而且目前已有的特征点检测技术在精确率上还远不能满足要求，计算量也较大。
局部特征分析方法（ Local Face Analysis ）
主元子空间的表示是紧凑的， 特征维数大大降低， 但它是非局部
化的，其核函数的支集扩展在整个坐标空间中，同时它是非拓扑的，
某个轴投影后临近的点与原图像空间中点的临近性没有任何关系， 而
局部性和拓扑性对模式分析和分割是理想的特性， 似乎这更符合神经
信息处理的机制， 因此寻找具有这种特性的表达十分重要。 基于这种
考虑， Atick 提出基于局部特征的人脸特征提取与识别方法。这种方
法在实际应用取得了很好的效果，它构成了 FaceIt 人脸识别软件的
基础。
3. 特征脸方法（ Eigenface 或 PCA ）
感谢下载载
精品
特征脸方法是 90 年代初期由 Turk 和 Pentland 提出的目前最流行的
算法之一，具有简单有效