face recognition

1 人脸识别方法

1.1 tradtional

有一些算法分析眼睛,鼻子,颧骨,下巴的相对位置,尺寸,形状.

其他算法对脸进行归一化,然后压缩脸部数据,只保存对人脸识别有用的数据

识别算法可以分为2种,几何(geometric),用于查看显著的特征,光学测量(photometric),是一种统计方法,将图片蒸馏成特征值,与模板的特征值比较用于减小方差.也可以把识别算法分为整体(holistic)模型和基于特征(feature-based)模型

常用的识别算法包括:

1. PCA(principal component analysis,主成分分析),使用eigen face(特征脸),opencv支持

2. LDA(linear discriminant analysis,线性鉴别分析),
   使用Fisher face(鱼面算法),opencv支持

Fisher face与Eigen face思路差不多,都是从整体上对图像信息做主成分分析.

不同的是,Fisher face认为同一个人由于光照和角度带来的差异往往要大于不同人之间的差异,而Eigen face单纯的提取主成分可能得到的是同一个类别不同光照条件的特征.

Fisher face试图最大化类间散度同时最小化类内散度.算法实现上则是首先PCA做初步筛选,然后以类间散度和类内散度为准则做LDA(Linear Discriminant Analysis,线性判别分析).</