人脸识别方法简记

最新推荐文章于 2025-02-15 10:05:29 发布

原创最新推荐文章于 2025-02-15 10:05:29 发布 · 653 阅读

0 ·

CC 4.0 BY-SA版权

图像基本算法专栏收录该内容

26 篇文章

订阅专栏

本文介绍了几种常用的人脸特征提取方法，包括PCA（Eigenface）、LDA等，并对比了它们在人脸识别性能上的优劣。此外还提到了Gabor小波、Boosting算法及其变种AdaBoost等技术的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、特征脸方法Eigenface，这是一种K-L方法，也叫作PCA方法或者Hotelling，它是一种最优的方法，通过 K-L 变换我们可以将一般的高维空间的信息和数据压缩到低维的空间中去，进而可以减少维数，同时也可以通过低维空间信息去描述高维空间数据。而 PCA 的方法就是通过这个思想将图像以列向量的方式来表示的。

2、线性判别分析，Linear Discriminant Analysis，简称 LDA，它是有监督的特征提取过程，利用了样本的分类信息，识别性能上普遍好于
主成分分析算法。

3、Gabor小波，

4、基于机器学习的boosting算法

5、Adaboost

另外是使用在跟踪算法上的 MeanShift算法