人脸识别方法简述

•基于子空间变换的方法

       基于子空间变换的方法首先对训练图像进行代数变换，求得一个由基图像张成的子空间，然后计算每个图像在该子空间中的投影系数，作为图像的特征。  

•基于机器学习的方法

           基于机器学习的方法包括神经元网络(Artificial Neural Nctwork，ANN)方法和支持向量机(s uPPort Vector Machine，SVM)方法，其特点是通过样本学习，为每一个模式类别设计分类器。

•基于模型的方法

    基于模型的方法首先建立一个通用的人脸模型，然后通过确定模型中的参数来表征一幅特定的人脸图像，基于特定的人脸模型参数，便可设计模式分类器。常用的人脸模型有隐马尔可夫模型(HMM，Hidden Marxov Model)和三维可变形模型(30 Mo印hable
Model)

•弹性图匹配方法

    人脸是一种非刚性的物体，它存在各种形变，如由表情变化引起的人脸变形等，由于存在这些形变，使得很多人脸识别算法的识别率大大降低。为了解决这个问题，M.LadeS等提出了一种具有形变不变性的算法，它采用动态连接结构来描述人脸特征，匹配时采用弹性图匹配(Elastic oraPh Matching，EoM)技术。

•局部特征分析方法

    LFA方法则通过对基向量加上一个拓扑索引来描述图像的局部特征和拓扑特征。 LFA利用PcA方法建立一组局部相关的特征向量，用稀疏(s parsification)技术选择一组相关性最少、且附加有拓扑索引的特征集;利用这组特征集，可以定义感兴趣的子空间。

•基于几何特征的方法

        基于几何特征的识别方法将人脸用几何特征向量表示，用模式识别中层次聚类的思想设计分类器从而达到识别目的。要求选取的几何特征向量具有一定的独特性，能够反映不同人脸之间的差别，同时又具有一定的弹性，以消除时间跨度、光照等的影响。

•基于深度学习的方法