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)進行比較、判斷與確認。

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系統(tǒng),具有良好的自組織、自適應能力。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)則進行顯性的描述是相當困難的,而神經(jīng)網(wǎng)絡(luò)方法則可以通過學習的過程獲得對這些規(guī)律和規(guī)則的隱性表達,它的適應性更強,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就是降維處理。