轉(zhuǎn)自：21ic電子網(wǎng)

（資料來源：中關(guān)村在線）

③樣品學(xué)習(xí)法

這種方法即采用模式識(shí)別中人工神經(jīng)網(wǎng)絡(luò)的方法，即通過對(duì)面像樣品集和非面像樣品集的學(xué)習(xí)產(chǎn)生分類器;

④膚色模型法

這種方法是依據(jù)面貌膚色在色彩空間中分布相對(duì)集中的規(guī)律來進(jìn)行檢測(cè)。

⑤特征子臉法

這種方法是將所有面像集合視為一個(gè)面像子空間，并基于檢測(cè)樣品與其在子空間的投影之間的距離判斷是否存在面像。上述5種方法在實(shí)際檢測(cè)系統(tǒng)中也可綜合采用。

特征提?。禾卣魈崛∈侵竿ㄟ^一些數(shù)字來表征人臉信息，這些數(shù)字就是我們要提取的特征。常見的人臉特征分為兩類，一類是幾何特征，另一類是表征特征。幾何特征是指眼睛、鼻子和嘴等面部特征之間的幾何關(guān)系，如距離、面積和角度等。由于算法利用了一些直觀的特征，計(jì)算量小。不過，由于其所需的特征點(diǎn)不能精確選擇，限制了它的應(yīng)用范圍。另外，當(dāng)光照變化、人臉有外物遮擋、面部表情變化時(shí)，特征變化較大。所以說，這類算法只適合于人臉圖像的粗略識(shí)別，無法在實(shí)際中應(yīng)用。

表征特征利用人臉圖像的灰度信息，通過一些算法提取全局或局部特征。其中比較常用的特征提取算法是LBP算法。LBP方法首先將圖像分成若干區(qū)域，在每個(gè)區(qū)域的像素640x960鄰域中用中心值作閾值化，將結(jié)果看成是二進(jìn)制數(shù)。LBP算子的特點(diǎn)是對(duì)單調(diào)灰度變化保持不變。每個(gè)區(qū)域通過這樣的運(yùn)算得到一組直方圖，然后將所有的直方圖連起來組成一個(gè)大的直方圖并進(jìn)行直方圖匹配計(jì)算進(jìn)行分類。

人臉識(shí)別：這里提到的人臉識(shí)別是狹義的人臉識(shí)別，即將待識(shí)別人臉?biāo)崛〉奶卣髋c數(shù)據(jù)庫中人臉的特征進(jìn)行對(duì)比，根據(jù)相似度判別分類。而人臉識(shí)別又可以分為兩個(gè)大類：一類是確認(rèn)，這是人臉圖像與數(shù)據(jù)庫中已存的該人圖像比對(duì)的過程，回答你是不是你的問題;另一類是辨認(rèn)，這是人臉圖像與數(shù)據(jù)庫中已存的所有圖像匹配的過程，回答你是誰的問題。顯然，人臉辨認(rèn)要比人臉確認(rèn)困難，因?yàn)楸嬲J(rèn)需要進(jìn)行海量數(shù)據(jù)的匹配。

面貌比對(duì)是對(duì)被檢測(cè)到的面貌像進(jìn)行身份確認(rèn)或在面像庫中進(jìn)行目標(biāo)搜索。這實(shí)際上就是說，將采樣到的面像與庫存的面像依次進(jìn)行比對(duì)，并找出最佳的匹配對(duì)象。所以，面像的描述決定了面像識(shí)別的具體方法與性能。主要采用特征向量與面紋模板兩種描述方法:

①特征向量法

該方法是先確定眼虹膜、鼻翼、嘴角等面像五官輪廓的大小、位置、距離等屬性，然后再計(jì)算出它們的幾何特征量，而這些特征量形成一描述該面像的特征向量。

②面紋模板法

該方法是在庫中存貯若干標(biāo)準(zhǔn)面像模板或面像器官模板，在進(jìn)行比對(duì)時(shí)，將采樣面像所有象素與庫中所有模板采用歸一化相關(guān)量度量進(jìn)行匹配。此外，還有采用模式識(shí)別的自相關(guān)網(wǎng)絡(luò)或特征與模板相結(jié)合的方法。

人臉識(shí)別技術(shù)的核心實(shí)際為'局部人體特征分析'和'圖形/神經(jīng)識(shí)別算法。'這種算法是利用人體面部各器官及特征部位的方法。如對(duì)應(yīng)幾何關(guān)系多數(shù)據(jù)形成識(shí)別參數(shù)與數(shù)據(jù)庫中所有的原始參數(shù)進(jìn)行比較、判斷與確認(rèn)。一般要求判斷時(shí)間低于1秒。

(4)彈性圖匹配的人臉識(shí)別方法:彈性圖匹配法在二維的空間中定義了一種對(duì)于通常的人臉變形具有一定的不變性的距離，并采用屬性拓?fù)鋱D來代表人臉，拓?fù)鋱D的任一頂點(diǎn)均包含一特征向量，用來記錄人臉在該頂點(diǎn)位置附近的信息。該方法結(jié)合了灰度特性和幾何因素，在比對(duì)時(shí)可以允許圖像存在彈性形變，在克服表情變化對(duì)識(shí)別的影響方面收到了較好的效果，同時(shí)對(duì)于單個(gè)人也不再需要多個(gè)樣本進(jìn)行訓(xùn)練。

(5)線段Hausdorff 距離(LHD) 的人臉識(shí)別方法:心理學(xué)的研究表明，人類在識(shí)別輪廓圖(比如漫畫)的速度和準(zhǔn)確度上絲毫不比識(shí)別灰度圖差。LHD是基于從人臉灰度圖像中提取出來的線段圖的，它定義的是兩個(gè)線段集之間的距離，與眾不同的是，LHD并不建立不同線段集之間線段的一一對(duì)應(yīng)關(guān)系，因此它更能適應(yīng)線段圖之間的微小變化。實(shí)驗(yàn)結(jié)果表明，LHD在不同光照條件下和不同姿態(tài)情況下都有非常出色的表現(xiàn)，但是它在大表情的情況下識(shí)別效果不好。

(6)支持向量機(jī)(SVM) 的人臉識(shí)別方法:支持向量機(jī)是統(tǒng)計(jì)模式識(shí)別領(lǐng)域的一個(gè)新的熱點(diǎn)，它試圖使得學(xué)習(xí)機(jī)在經(jīng)驗(yàn)風(fēng)險(xiǎn)和泛化能力上達(dá)到一種妥協(xié)，從而提高學(xué)習(xí)機(jī)的性能。支持向量機(jī)主要解決的是一個(gè)2分類問題，它的基本思想是試圖把一個(gè)低維的線性不可分的問題轉(zhuǎn)化成一個(gè)高維的線性可分的問題。通常的實(shí)驗(yàn)結(jié)果表明SVM有較好的識(shí)別率，但是它需要大量的訓(xùn)練樣本(每類300個(gè))，這在實(shí)際應(yīng)用中往往是不現(xiàn)實(shí)的。而且支持向量機(jī)訓(xùn)練時(shí)間長，方法實(shí)現(xiàn)復(fù)雜，該函數(shù)的取法沒有統(tǒng)一的理論。

現(xiàn)在已有一些機(jī)構(gòu)、高校在進(jìn)行人臉識(shí)別新領(lǐng)域、新技術(shù)的研究。如遠(yuǎn)距離人臉識(shí)別技術(shù)，3D人臉識(shí)別技術(shù)等。遠(yuǎn)距離人臉識(shí)別系統(tǒng)面臨兩個(gè)主要困難。一是如何從遠(yuǎn)距離獲取人臉圖像。其次，在得到的數(shù)據(jù)并不理想的情況下如何識(shí)別身份。從某種意義上來看，遠(yuǎn)距離人臉識(shí)別并不是一個(gè)特定的關(guān)鍵技術(shù)或基礎(chǔ)研究問題。它可看成是一個(gè)應(yīng)用和系統(tǒng)設(shè)計(jì)問題。通常有兩類解決方法用于獲取人臉圖片。一種是高清的固定式攝像機(jī)，另一種是使用PTZ控制系統(tǒng)多攝像機(jī)系統(tǒng)。后者更適合于一般情況，不過其結(jié)構(gòu)更為復(fù)雜，造價(jià)也更貴。后者需要考慮如何協(xié)調(diào)多臺(tái)攝像機(jī)的同步操作。一般地，系統(tǒng)由低分辨率廣角攝像機(jī)和高分辨率長焦攝像機(jī)組成。前者用于檢測(cè)和追蹤目標(biāo)，后者用于人臉圖像采集和識(shí)別。

iPhone X的Face ID一經(jīng)推出便在業(yè)內(nèi)炸開了鍋，面對(duì)全新的主流解鎖，各大廠商已經(jīng)開始紛紛開始調(diào)整對(duì)策，目前三星、華為等廠商已經(jīng)與奇景光電|高通達(dá)成協(xié)作，共同宣布高解析度3D深度感測(cè)解決方案，而根據(jù)韓媒透漏三星S9目前已經(jīng)在全面適配3D感應(yīng)技術(shù)?！?/p>