人脸识别算法原理

1、根据几何特征的方法

人脸由双眼、鼻部、嘴唇、下颌等组件组成，正由于这种组件的样子、尺寸和构造上的各种各样差别才促使全世界每一个人脸各有不同，因而对这种组件的形态和构造关联的几何图形叙述，可以作为人脸识别的关键特征。几何特征最开始是用以人脸侧边轮廊的叙述与鉴别，最先依据侧边轮廊曲线图明确多个明显点，并由某些明显点导出来一组用以鉴别的特征衡量如间距、视角等。

2、部分特征剖析方法

部分特征剖析方法一种根据特征表明的面像识别系统，来源于相近构建乐高积木的部分统计分析的基本原理。LFA 根据全部的面像（包含各种各样繁杂的款式）都能够从由许多不可以再简单化的结构单元非空子集综合性而成。这种模块应用繁杂的统计分析技术性而产生，他们意味着了全部面像，通常超越好几个清晰度（在部分地区内）并意味着了广泛的脸部样子，但并并不是通常含义上的脸部特征。事实上，脸部结构单元比面像的位置要多很多。 殊不知，要综合性产生一张精准真实的面像， 只必须全部可以用结合中非常少的模块非空子集（12～ 40 特征模块）。要明确真实身份不仅在于特点模块，还决策于他们的几何图形构造（例如他们的有关部位）。根据这样的方法，LFA 将个体的特点相匹配成一种繁杂的数据表达形式，可以开展比照和鉴别。

“面纹”编码方法是依据面部的实质特征和样子来工作中的，它可以抵御光 线、肌肤色彩、脸部体毛、头型、近视眼镜、神情和状态的转变，具备强劲的稳定性，以从上百万人群中精准地辨出一个人。

3、特征脸方法（Eigenface或PCA）

从统计分析的思想观点，找寻人脸图像遍布的基本元素，即人脸图像样版集协方差矩阵的特征空间向量，为此类似地表现人脸图像。这种特征空间向量称之为特征脸（Eigenface）。该方法是先明确眼视网膜、鼻头、嘴巴等面像五官轮廊的尺寸、部位、间距等特性，随后再测算出他们的几何特征量，而这种特征量产生一叙述该面像的特征空间向量。其技术性的关键具体为“部分身体特征剖析”和“图型/神经系统辨认优化算法。

4、根据弹性模型的方法

延展性图配对技术性是一种根据几何特征和对灰度级遍布信息内容开展小波变换纹路剖析结合的鉴别优化算法，不错的运用了人脸的构造和灰度级遍布信息内容，并且还具备全自动精准定位脸部特征点的作用，因此有着较好的鉴别实际效果，适应能力强识别率较高，该工艺在FERET检测中多个指标值遥遥领先，其缺陷是算法复杂度高，速率比较慢，完成繁杂。

5、神经元网络方法（Neural Networks）

神经网络方法在人脸识别上的运用相比前述几种方法来有一定的优点，由于对人脸识别的很多规律性或标准开展显性基因的叙述是非常艰难的，而神经元网络方法则可以通过学习的全过程得到对这种规律性和标准的潜在性表述，它的适应能力更强，一般也很容易完成。因而神经网络算法鉴别速度更快，但识别率低 。而神经元网络方法通常必须将人脸做为一个一维空间向量键入，因而键入连接点巨大，其鉴别关键的一个总体目标便是特征提取解决。

6、别的方法

除开以上几类方法，人脸识别也有其他多个构思和方法，包含一下一些：

（1）隐马尔可夫实体模型方法（Hidden Markov Model）

（2）Gabor 小波分析 图型配对

（3）人脸等相对密度线剖析配对方法

人脸识别技术性难题

1、阳光照射问题

光照问题是视觉系统重的老问题，在人脸识别中的主要表现尤其显著。因为人脸的3D构造，阳光照射投屏出的黑影，会加强或降低本身的人脸特征。尤其是在夜里，因为光源问题引起的脸部黑影会造成识别率的骤降，促使系统软件无法达到好用规定。

2、神情状态问题

与阳光照射问题相近，表请和状态问题也是现阶段人脸识别科学研究中必须处理的一个技术性难题。脸部力度过大的哭、笑、恼怒等神情转变一样影象着面部识别的准确度。状态问题涉及到前额在三维竖直平面坐标中绕三个轴的位置导致的脸部转变，在其中垂直平分图像平面图的2个角度的深层转动会导致脸部信息内容的一部分缺少，促使神情状态问题变成人脸识别的一个瓶颈问题。

3、挡住问题

针对非相互配合的情况下的人脸图像收集，挡住问题是一个十分明显的问题。特别是监管自然环境下，通常彼监管项目都带上近视眼镜，遮阳帽等饰品，促使被收集出去的人脸图像有可能不详细，进而影响到了后来的特征获取与鉴别，乃至会造成人脸检验优化算法的无效。

4、年纪转变

伴随着岁数的转变，脸部外型也在转变，尤其是针对青少年儿童，这类转变更为的显著。针对不一样的年龄层，人脸识别优化算法的识别率也不一样。一个人从青少年变为青年人，变为老年人，他的容颜很有可能会产生较为大的转变，进而造成识别率的降低。针对不一样的年龄层，人脸识别优化算法的识别率也不一样。

5、人脸同质性

不一样个人间的差别并不大，全部的人脸的构造都类似，乃至人脸人体器官的构造形态都很类似。那样的特性对运用人脸开展精准定位是有益的，可是针对运用人脸区别人们个人是非常不利的。

6、图像品质

人脸图像的来源于很有可能各种各样，因为收集设施的不一样，获得的人脸图像品质也不一样，尤其是针对这些低分辨率、噪音大、品质差的人脸图像（如摄像头拍照的人脸照片、实时监控拍照的照片等）怎样实现合理地人脸识别是个必须特别关注的问题。一样的，针对高辨别图像对人脸识别优化算法的危害也要进一步的科学研究。