三种常见的人脸识别方法

全自动人脸识别系统一般包括人脸检测、特征提取和人脸识别三项关键技术。根据方法的不同，人脸识别方法分为基于几何特征的方法、基于模型的方法、基于统计的方法、基于神经网络的方法和多分类器集成方法。其中，基于几何特征、模型和统计的方法最为常见。

三种常见的人脸识别方法

1、基于几何特征的方法

记载最早的人脸识别方法就是Bledsoe提出的基于几何特征的方法，该方法以面部特征点之间的距离和比率作为特征，通过最近邻方法来识别人脸。基于几何特征的方法非常直观，识别速度快，内存要求较少，提取的特征在一定程度上对光照变化不太敏感。但是，当人脸具有一定的表情或者姿态变化时，特征提取不精确，而且由于忽略了整个图像的很多细节信息，识别率较低，所以近年来已经很少有新的发展。

2、基于模型的方法

基于模型的方法也是人脸识别的重要形式，其中最广为使用的是隐马尔可夫模型。它是一种基于整体的或然率统计方法。对于一幅正面的人脸来说，马尔可夫的“状态”包括前额、眼睛、鼻子、嘴巴和下巴，这些状态以相同的顺序从上到下出现。这样，可以把人脸图像和隐马尔可夫模型结合起来，这些脸上的特征区域被指定为状态。其他模型还包括主动形状模型和主动表象模型等。

3、基于统计的方法

人脸识别算法主要有特征脸、Fisher脸、奇异值分解三个方面。人脸识别是利用特征脸来识别人脸，Sirovichand Kirby首先提出，并通过Matthew Turk和Alex Pentland对人脸进行分类。该方法是在矢量空间高维人脸图像上求取特征向量的协方差矩阵，为首次有效的人脸识别方法。Fisher脸法由Ronald Fisher发明，该方法以LDA理论为基础，并在特征脸中使用的PCA相类似，所有这些都是将原始数据通过整体降维映射到低维空间的方法。奇值分解法是利用奇异值分解中与奇异值相对应的特征向量，在图像中提取噪声与光照、表情、姿态等对应的高频信息，实现图像重构。