关于人脸识别算法

近期由于公司项目的需求，也算前期预研的一些人脸识别算法，主要针对正脸图像，方法比较简单，采用基于gabor特征进行识别，

主要步骤 1.人脸对齐，由于训练样本及测试时人脸姿态的多样性，因此首先考虑人脸的对齐，对齐的方法较多，如ASM ，AAM,clm等等，在进行完人脸特征点定位后，一般有（76点或22点等），将特征点的最大矩形框分割出来，也即人脸。分割完人脸后，需要对人脸进行校正，采用基于双瞳孔位置，双瞳口距离自己设定，双瞳口处于同一水平线上这些约束，对分割完的人脸图像进行刚体变换，旋转中心设为双瞳孔中心位置。

2.对训练集中的人脸采用上的预处理后，开始提取gabor特征，这里不直接采用gabor特征，暂且名为分块gabor特征，gabor特征分5个尺度，8个方向，选用基于赋值的特征，ze共有40张gabor赋值图像，将每张赋值图像分作4*4块，在每块提取赋值直方图（首先gabor图像进行量化，我试验的是量化到32），则每个赋值图像为16*32维共40张图像，最终每张图像特征维数为16*32*40

3.数据降维，由于数据维数比较大，参考中科院山时光文章Manifold-Manifold Distance with Application to
Face Recognition based on Image Set，考虑将人脸训练集用流形的方法分块,每个人的图像集为一流行，每已流行有若干子集组成，子集中样本高度相关（自己理解为人脸的姿态是多样性的，姿态之间非线性祥光，而同一姿态的图片具有相关性（理解不一定正确），就如流形和空间的关系。流形的局部具有空间的性质）(这步还没有实现）

4 识别，个人比较推荐最紧邻的方法，当然其他的机器学习方法也不错，在识别时，也即 将识别问题转化为寻找测试图片和每个流形的最近距离问题。

 

 

（欢迎大家给出建议和意见 讨论）