兰州人脸识别技术介绍几种常见的识别方法

 

　　1、基于模板匹配的人脸识别方法：该方法将待处理的人脸图像直接与数据库中所有的模板进行匹配，选取匹配最相似的模板图像作为待处理图像的分类。但由于数据库中每个人的模板图片数量有限，不可能涵盖到现实中所有的复杂情况，而且简单的模板匹配只利用了相关信息，对背景、光照、表情等非相关信息非常敏感。因此该方法只适用于理想条件下的人脸识别，并不适合应用于实际场景。

 

　　2、几何特征的人脸识别方法：几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度快，需要的内存小，但与基于模板匹配的方法相似，由于形状、距离等信息并不能表达出图像中的非线性因素，导致该方法的可靠性和有效性较低。

 

　　3、基于代数特征的人脸识别方法：该方法主要通过对待处理图片的灰度分布进巧代数变化或矩阵分解来实现。常见的方法有：主成分分析法（PCA）、线性判别分析法（LDA）及隐马尔科夫法（HMM）等。

 

　　4、基于特征脸（PCA）的人脸识别方法：特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种*正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且*是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。

 

　　5、神经网络的人脸识别方法：神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。