7220180157 机器视觉文献调研报告 冯波
们之间的联系。通过计算特征点间的距离,即可找出类似的人脸。该方法的优点
主要有:因为只需要存储特征矢量即可,故所需的存储空间较小;对光照的变化
具有一定的鲁棒性;这也是常用的人脸识别原理,易于理解。但是想要从一个未
知的人脸图像中提取具有稳定性的特征矢量仍具有一定的复杂性,因此近年来对
该算法的研究在逐渐地减少。
2. 基于特征脸的人脸识别
基 于 特 征 脸 方 法 的 核 心 技 术 是 主 成 分 分 析 (Principal Component
Analysis,PCA)。PCA 算法最早由 Sirovitch 和 Kirby 引入人脸识别领域,它是一
种基于 K-L 变换(Karhunen-Loevetransform)的算法,通过对人脸图像进行统计特
征提取,从而实现在子空间模式下进行人脸识别。这种方法主要是利用系数变换,
因此具有简便、快捷、实用的优点。但该方法对训练样本与测试样本之间的相关
性要求较高,且受光照和面部表情的变化影响较大,导致识别率较低。
3. 基于模板匹配的人脸识别
事先给定一些包含不同人脸特征尺度的样本作为模板的方法称为模板匹配
方法。其主要原理是:通过比较待测人脸与给定模板的图像窗口,来判定图像窗
口中是不是有待测人脸。然而该方法只是简单机械的对比未知图像和已知模板,
因此无法处理姿态和尺度变化丰富的人脸,当然这种简单机械的方法比较容易实
现。所以目前应用得也较少。
4. 基于神经网络的人脸识别
如今学术界讨论比较多的人脸识别算法便是基于神经网络的方法,BP(Back
Propagation)神经网络学习算法是该技术的核心内容。它是受生物神经网络单元
间行为特征的启发而建立的一种仿生的运算模型。其主要步骤也依赖于所设计的
神经网络:将待识别人脸图像中的像素点与事先设计好的神经网络中的神经元依
次对应。这种算法的特点是:较容易提取到人脸特征,通过学习就能得到人脸识
别的规律,适应于不同的人脸,而且由于是并行处理信息,速度较快。但是若神
经元数量太多,样本的训练时间就会增加。
5. 基于隐马尔可夫模型的人脸识别
Samaria 等人最先提出人脸马尔可夫模型理论,他将人脸划分为 5 个代表性
特征区域:额头、眼睛、鼻子、嘴巴和下巴,并且这 5 个特征区域均可用一组特