19、面部识别技术的多维度探索

面部识别技术的多维度探索

1. 特征检测方案SURF

SURF（Speeded-up-Robust-Features）源自SIFT（Scale-Invariant-Feature-Transform）。SIFT和SURF在特征检测方面表现出色，且比以往的检测方案速度更快。Xu等人决定研究并实现SURF特征检测器和描述符，同时建议实现SURF比较器来对相似特征对进行分组。由于该比较器不依赖特征，而是基于代码，因此可以使用其他特征类型（如SIFT）来评估其性能。

SURF的实现方式如下：
- 通过积分图像对图像进行卷积。
- 强化当前的检测器和描述符。
- 简化所使用的方法。

2. 独立成分分析（ICA）

ICA是人脸识别领域引入的新方法，是PCA的高级版本。ICA有架构I和架构II，对其架构的分析借助了PCA。研究表明，架构I具有垂直居中的PCA，而架构II具有经过白化处理且水平居中的PCA。以这两种架构为基础可提高人脸识别系统的鲁棒性。

在FERET数据库、AR数据库和AT&T人脸数据库上进行的实验显示，ICA和PCA虽无显著差异，但在某些情况下会有细微变化。ICA完全依赖PCA，因为居中与白化过程对其性能影响很大。

为提高性能并消除失真和遮挡问题，提出了局部显著ICA（LS-ICA）方法。该算法将原始图像分割成多个部分，然后从中提取图像信息，利用了“分块识别”的思想。在与LNMF（Localized Nonnegative Matrix Factorization）、LFA（Local Feature Analysis）、PCA、ICA架构I和ICA架构II的性能比较中，LS-