人脸识别系统人脸识别算法分类

人脸识别算法的原理：系统输入一般是一张或许一系列含有未确定身份的人脸图画，以及人脸数据库中的若干已知身份的人脸图象或许相应的编码，而其输出则是一系列类似度得分，标明待识别的人脸的身份。
人脸识别算法的分类按照不同方式可分为一下两种
（一）二维
人脸识别法首要集中在二维图画方面，二维人脸识别首要使用散布在人脸上从低到高80个节点或标点，通过测量眼睛、颧骨、下巴等之间的间距来进行身份认证。人脸识别算法首要有：
1.根据模板匹配的办法：模板分为二维模板和三维模板，中心思维:使用人的脸部特征规律树立一个立体可调的模型结构，在定位出人的脸部位置后用模型结构定位和调整人的脸部特征部位，处理人脸识别过程中的调查角度、遮挡和表情改动等因素影响。
2.根据奇特值特征办法：人脸图画矩阵的奇特值特征反映了图画的本质属性，能够使用它来进行分类识别。
3.子空间剖析法：因其具有描述性强、计算价值小、易实现及可分性好等特色，被广泛地使用于人脸特征提取，成为了当前人脸识别的主流办法之一。
 



4.局部保持投影(Locality Preserving Projections，LPP)是一种新的子空间剖析办法，它是非线性办法Laplacian Eigen map的线性近似，既处理了PCA等传统线性办法难以保持原始数据非线性流形的缺陷，又处理了非线性办法难以获得新样本点低维投影的缺陷。
5.主成分剖析(PCA)
PCA模式识别范畴一种重要的办法，已被广泛地使用于人脸识别算法中，根据PCA人脸识别系统在使用中面对着一个重要障碍：增量学习问题。增量PCA算法由新增样本重构为重要 PCS，但该办法跟着样本的增加， 需要不断舍弃一些不重要PC，以保持子空间维数不变， 因此该办法精度稍差。
6.其他办法：弹性匹配办法、特征脸法(根据KL改换)、人工神经网络法、支撑向量机法、根据积分图画特征法(adaboost学习)、根据概率模型法。
（二）三维
二维人脸识别办法的缺乏是在面对姿势、光照条件不同、表情改动以及脸部化装等方面较为软弱，识别的准确度受到很大约束，而这些都是人脸在天然状态下会随时表现出来的。三维人脸识别能够极大的进步识别精度，真实的三维人脸识别是使用深度图画进行研究，自90年代初期开端，已经有了一定的进展。三维人脸识别办法有：
1.根据图画特征的办法：采取了从3D结构中别离出姿势的算法。首要匹配人脸全体的尺寸概括和三维空间方向；然后，在保持姿势固定的情况下，去作脸部不同特征点(这些特征点是人工的辨别出来)的局部匹配。
2.根据模型可变参数的办法：使用将通用人脸模型的3D变形和根据距离映射的矩阵迭代小相结合，去康复头部姿势和3D人脸。跟着模型形变的关联联系的改动不断更新姿势参数，重复此过程直到标准达到要求。根据模型可变参数的办法与根据图画特征的办法的区别在于：后者在人脸姿势每改动一次后，需要重新搜索特征点的坐标，而前者只需调整3D变形模型的参数。
按机理分类
1.根据人脸特征点的识别算法（feature-based recognition algorithms）。
2.根据整幅人脸图画的识别算法（appearance-based recognition algorithms）。
3.根据模板的识别算法（template-based recognition algorithms）。
4.使用神经网络进行识别的算法（recognition algorithms using neural network）。
5.使用支撑向量机进行识别的算法（recognition algorithms using SVM）。
 

感谢您的关注，详细产品内容，可拨打威尼斯城vnsc登入平台-9778818威尼斯官网客服电话：010-64484490进行资询。更多资讯，敬请扫码关注威尼斯城vnsc登入平台公司微信公众号：