人臉識別初學者

面部識別是一種識別技術,用於檢測數據集中保存圖像的個人的面部。儘管其他識別方法可以更準確,但人臉識別始終是研究的重要焦點,因為它具有非干預性,而且是人們簡便的個人識別方法。

人臉識別方法:-

人臉識別有多種方法,如下:

1.基於幾何/基於模板:-

人臉識別算法分為基於幾何或基於模板的算法。基於模板的方法可以使用 SVM [支持向量機]、PCA [主成分分析]、LDA [線性判別分析]、核方法或跡變換等統計工具來構建。基於幾何特徵的方法分析局部面部特徵及其幾何關係。它也稱為基於特徵的方法。

2.零碎/整體:-

元素之間的關係或功能與整個面部的連接沒有經過量,許多研究人員遵循這種方法,試圖推斷出最相關的特徵。有些方法嘗試使用眼睛、特徵的組合等等。一些隱馬爾可夫模型方法也屬於這一類,特徵處理在人臉識別中非常有名。

3.基於外觀/基於模型:-

基於外觀的方法顯示了關於多個圖像的面部。被視為高維向量的圖像。該技術通常用於從圖像劃分中導出特徵空間。樣本圖像與訓練集的比較。另一方面,基於模型的方法嘗試對面部進行建模。模型中實現的新樣本以及用於識別圖像的模型參數。

基於外觀的方法可以分為線性或非線性。 Ex-PCA、LDA、IDA 用於直接方法,而 Kernel PCA 用於非線性方法。另一方面,基於模型的方法可以分為 2D 或 3D Ex-Elastic Bunch Graph Matching 使用。

4.基於模板/統計/神經網絡:-

4.1.模板匹配:-

在模板匹配中,模式由樣本、模型、像素、紋理等表示。識別函數通常是相關性或距離度量。

4.2.統計方法:-

在統計方法中,模式表示為特徵。判別函數中的識別函數。每個圖像代表有關 d 個特徵。因此,目標是選擇並應用正確的統計工具進行提取和分析。

用於人臉識別的統計工具有很多。這些分析工具使用了兩種或兩種以上的分組或分類方法。這些工具如下-

4.2.1.主成分分析[PCA]:-

最常用和引用的統計方法之一是主成分分析。數學過程通過提取多維數據的主成分來執行降維。