面部识别程序如何运作？

Question

该计划将通过什么流程？

Answer 1

非常粗略地说，处理阶段是：

1. 检测面部位置
2. 规范面孔
3. 为每个检测到的脸部收集要素
4. 将功能提供给机器学习算法

步骤1通常使用经典Viola&Jones face detection algorithm完成。它非常快速可靠。

步骤1中找到的面孔可能具有不同的亮度，对比度和不同的尺寸。为了简化处理，它们都被缩放到相同的大小，并且在步骤2中补偿了曝光差异（例如，使用直方图均衡）。

步骤3的方法很多。早期的面部检测器试图找到特定的位置（眼睛的中心，鼻子的末端，嘴唇的末端等），并使用它们之间的几何距离和角度作为识别的特征。从我所读到的，这些方法非常快，但不是那么可靠。

更近期的方法“特征脸”基于这样的事实，即脸部的图像可以近似为基础图像的线性组合（通过来自大量训练图像的PCA找到）。该近似中的线性因子可以用作特征。这种方法也可以单独应用于脸部（眼睛，鼻子，嘴巴）的部分。如果所有图像之间的姿势相同，则效果最佳。如果某些面向左看，其他面向上看，则无法正常工作。活跃的外观模型试图通过训练完整的3D模型而不是平坦的2d图片来抵消这种影响。

步骤4相对简单：每个面部都有一组数字，对于训练期间获得的面部图像，您希望找到与当前测试面“最相似”的训练面部。这就是机器学习算法的作用。我认为最常见的算法是支持向量机（SVM）。其他选择例如是人工神经网络或k近邻。如果功能良好，ML算法的选择无关紧要。

关于这个问题的文献：

• Computer Vision - Algorithms an Applications对待面部检测，面部识别和机器学习（在许多其他科目中）。它很新，所以它涵盖了最新的研究。它还有一个很棒的参考书目。
• Template Matching Techniques in Computer Vision深入探讨了面部识别的模板匹配方法。
• 您可以使用谷歌学者找到很多研究文章。

Answer 2

Principal Component Analysis是模式识别系统的基础，例如facial recognition。