面部识别程序如何工作？

Question

程序会经历什么流程？

Answer 1

非常粗略地，所述处理阶段将是：

1. 检测面部位置
2. 规格化的面部
3. 收集特征为每个检测到的面部
4. 订阅特征的机器学习算法

步骤1通常是使用传统Viola&Jones face detection algorithm完成。它非常快速和可靠。

在步骤1中发现的面可具有不同的亮度，对比度和不同的尺寸。为了简化处理，它们都被调整为相同的大小和曝光差被补偿在步骤（例如，使用直方图均衡）2.

有许多方法步骤3早期面部检测试图找到特定位置（中心眼睛，鼻子的末端，嘴唇的末端等），并使用几何距离和角度作为识别特征。从我读过的内容来看，这些方法非常快，但并不可靠。

更近期的方法“特征脸”是基于这样一个事实，即人脸图片可以近似为基础图像的线性组合（通过PCA从大量训练图像中找到）。这种近似中的线性因素可以用作特征。这种方法也可以单独应用于脸部的部位（眼睛，鼻子，嘴巴）。如果所有图像之间的姿势相同，则效果最好。如果一些面孔向左看，其他面向上看，它不会工作。主动外观模型试图通过训练完整的3D模型而不是平坦的2D图片来抵消该效应。

步骤4相对比较简单：对于每个人脸以及在训练期间获取的人脸图像，您都有一组数字，并且您想要找到与当前测试人脸“最相似”的人脸。这就是机器学习算法的功能。我认为最常用的算法是支持向量机（SVM）。其他选择例如人工神经网络或k近邻。如果特征很好，ML算法的选择不会有太大影响。

文学主题：

• Computer Vision - Algorithms an Applications对待人脸检测，面部识别和机器学习（许多其他主体之间）。这是相当新的，因此它涵盖了最新的研究。它也有一个很好的参考书目。
• Template Matching Techniques in Computer Vision对待模板匹配方法人脸识别，深入。
• 你可以找到很多使用谷歌学者的研究文章。

Answer 2

Principal Component Analysis是在模式识别系统，例如facial recognition的基极。