蘭州人臉識別是一種識別技術,用于檢測保存在數據集中的個人圖像的面部。盡管其他身份識別方法可以更準確,但面部識別一直是研究的重點,因為它具有非干預性質,而且它對于人們來說是一種輕松的個人識別方法。簡述幾種常見的人臉識別方法:
1、基于模板匹配的人臉識別方法:該方法將待處理的人臉圖像直接與數據庫中所有的模板進行匹配,選取匹配最相似的模板圖像作為待處理圖像的分類。但由于數據庫中每個人的模板圖片數量有限,不可能涵蓋到現實中所有的復雜情況,而且簡單的模板匹配只利用了相關信息,對背景、光照、表情等非相關信息非常敏感。因此該方法只適用于理想條件下的人臉識別,并不適合應用于實際場景。
2、幾何特征的人臉識別方法:幾何特征可以是眼、鼻、嘴等的形狀和它們之間的幾何關系(如相互之間的距離)。這些算法識別速度快,需要的內存小,但與基于模板匹配的方法相似,由于形狀、距離等信息并不能表達出圖像中的非線性因素,導致該方法的可靠性和有效性較低。
3、基于代數特征的人臉識別方法:該方法主要通過對待處理圖片的灰度分布進巧代數變化或矩陣分解來實現。常見的方法有:主成分分析法(PCA)、線性判別分析法(LDA)及隱馬爾科夫法(HMM)等。
4、基于特征臉(PCA)的人臉識別方法:特征臉方法是基于KL變換的人臉識別方法,KL變換是圖像壓縮的一種*正交變換。高維的圖像空間經過KL變換后得到一組新的正交基,保留其中重要的正交基,由這些基可以張成低維線性空間。如果假設人臉在這些低維線性空間的投影具有可分性,就可以將這些投影用作識別的特征矢量,這就是特征臉方法的基本思想。這些方法需要較多的訓練樣本,而且完全是基于圖像灰度的統計特性的。目前有一些改進型的特征臉方法。
5、神經網絡的人臉識別方法:神經網絡的輸入可以是降低分辨率的人臉圖像、局部區域的自相關函數、局部紋理的二階矩等。這類方法同樣需要較多的樣本進行訓練,而在許多應用中,樣本數量是很有限的。