小智 11
张军等人 (1997)研究了适用于计算机视觉的三种不同的人脸识别方法,每种方法本身都是一个值得注意的统计分析领域:
1)特征脸算法
2)弹性匹配
3)自动关联和分类网络
特征脸方法使用某种形式的降维方法(如PCA)对人脸图像之间的统计变化进行编码,其中特征空间中产生的特征差异不一定对应于孤立的面部特征,如眼睛,耳朵和鼻子(在其他方面)单词,特征向量的必不可少的组成部分不是预先确定的.
弹性匹配产生对应于面部的特定轮廓点(例如眼睛,下巴,鼻尖等)的节点图(即线框模型),并且识别基于图像图与已知数据库的比较.由于图像图形可以在匹配过程中旋转,因此该系统对于图像中的大变化趋于更稳健.
分类网络识别利用与弹性匹配相同的几何特征,但从根本上不同的是受监督的机器学习技术(通常涉及使用支持向量机).
虽然当光照或面部对准的变化很大时,特征脸检测可能表现不佳,但它具有易于实现,计算效率高,并且能够以无人监督的方式识别面部的优点,因此倾向于成为事实上的标准.即使特征向量提取处理不同,许多最先进的检测技术也在识别之前依赖于某种形式的降维.
在这里你可以找到答案:人脸识别
每张脸都有许多可区分的地标,不同的山峰和山谷构成了面部特征.FaceIt将这些地标定义为节点.每个人脸都有大约80个节点.其中一些由软件测量的是:
* Distance between the eyes
* Width of the nose
* Depth of the eye sockets
* The shape of the cheekbones
* The length of the jaw line
测量这些节点是否创建了一个数字代码,称为faceprint,代表数据库中的面部.
| 归档时间： |
|
| 查看次数： |
4359 次 |
| 最近记录： |