人脸识别初学者

面部识别是一种识别技术,用于检测数据集中保存图像的个人的面部。尽管其他识别方法可以更准确,但人脸识别始终是研究的重要焦点,因为它具有非干预性,而且是人们简便的个人识别方法。

人脸识别方法:-

人脸识别有多种方法,如下:

1.基于几何/基于模板:-

人脸识别算法分为基于几何或基于模板的算法。基于模板的方法可以使用 SVM [支持向量机]、PCA [主成分分析]、LDA [线性判别分析]、核方法或迹变换等统计工具来构建。基于几何特征的方法分析局部面部特征及其几何关系。它也称为基于特征的方法。

2.零碎/整体:-

元素之间的关系或功能与整个面部的连接没有经过量,许多研究人员遵循这种方法,试图推断出最相关的特征。有些方法尝试使用眼睛、特征的组合等等。一些隐马尔可夫模型方法也属于这一类,特征处理在人脸识别中非常有名。

3.基于外观/基于模型:-

基于外观的方法显示了关于多个图像的面部。被视为高维向量的图像。该技术通常用于从图像划分中导出特征空间。样本图像与训练集的比较。另一方面,基于模型的方法尝试对面部进行建模。模型中实现的新样本以及用于识别图像的模型参数。

基于外观的方法可以分为线性或非线性。 Ex-PCA、LDA、IDA 用于直接方法,而 Kernel PCA 用于非线性方法。另一方面,基于模型的方法可以分为 2D 或 3D Ex-Elastic Bunch Graph Matching 使用。

4.基于模板/统计/神经网络:-

4.1.模板匹配:-

在模板匹配中,模式由样本、模型、像素、纹理等表示。识别函数通常是相关性或距离度量。

4.2.统计方法:-

在统计方法中,模式表示为特征。判别函数中的识别函数。每个图像代表有关 d 个特征。因此,目标是选择并应用正确的统计工具进行提取和分析。

用于人脸识别的统计工具有很多。这些分析工具使用了两种或两种以上的分组或分类方法。这些工具如下-

4.2.1.主成分分析[PCA]:-

最常用和引用的统计方法之一是主成分分析。数学过程通过提取多维数据的主成分来执行降维。