人脸识别

      随着计算机科学与互联网技术的飞速发展，生物识别技术广泛应用于我们的社会生活中，例如指纹识别、人脸识别等。由于人脸识别具有非强制性和非接触性等特点，因此，作为生物识别技术的人脸识别方法很快成为重要的研究领域。

      人脸识别是一种基于人的脸部特征信息达到身份识别的方法，目前，研究人员提出了很多不同的人脸识别方法，且开发出不同种类的人脸识别系统， 然而，在实际应用中，这些人脸识别方法或系统却暴露出很多的问题，它们主要来自两个方面：一是人脸图像易受外界环境的影响，比如雨、雪、风、泥点等，这些因素的存在将对人脸的检测与识别过程造成不同程度上的噪声干扰。另一是人脸图像数据的维数相对较高，在实际应用中，经常需要对高维数据进行降维处理，且不同的数据降维算法会影响特征提取的效率，从而降低人脸检测与识别的准确率。

      目前，人脸识别研究中遇到的问题主要有：

（1）人脸受不同光照角度照射时，人脸图像上的阴影分布有所不同，所提取的特征会有所不同。

（2）人体和头部的姿态以及人脸不同表情对特征提取的影响。

（3）面部是否有遮挡物，比如是否戴眼镜，围巾，帽子等。

（4）人脸图像的高维特性所造成的小样本问题。

       尽管人脸识别经过了几十年的研究，学者们陆续提出各种不同的方法，识别技术与设备不断进步，但是如何更加有效的克服以上问题，依然是人们研究的热点。

       学术界有很多常用的特征提取方法，比如PCA（主成分分析）、LDA（线型判别分析），其中基于LDA的扩展方法非常多，主要包括PCA与LDA相结合的特征提取方法、直接LDA方法、零空间LDA方法、正交LDA方法、不相关LDA方法、正则LDA方法、核LDA方法、张量LDA方法以及基于二维图像的LDA方法等。

文章来源: liuzhen.blog.csdn.net，作者：Data-Mining，版权归原作者所有，如需转载，请联系作者。

原文链接：liuzhen.blog.csdn.net/article/details/77321091