人脸识别一

在下也是刚刚接触这个，为了促进学习以及促进交流写此分享。

人脸识别分两个过程：

一.人脸检测。

二.人脸识别。

技术难点：

一、由于人脸内在的变化所引起的：
1. 人脸具有相当复杂的细节变化，不同的外貌，如脸形、肤色等，不同的表情，如眼、嘴的开与闭等，甚至可能有器官的缺失；
2. 人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等；
二、由于外在条件变化所引起的：
1. 由于成像角度的不同造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大；
2. 光照的影响，如图像中的亮度、对比度的变化和阴影等。
3. 图像的成像条件，如摄像设备的焦距、成像距离，图像获得的途径等等。

人脸检测，目的是检测图片中有没有人脸，以及人脸的位置，大小，姿态。

现在有的人脸检测的方法主要分类有：

一.基于知识的方法。

二.基于特证不变量的方法。

三.模板匹配方法

四.基于表象的方法。

1.基于知识的方法：

该方法将人类有关典型的脸的知识编码成一些规则。通常这些规则包括了脸部特征之间关系的知识。主要用于人脸的定位。

主要包括的简单规则有：

1.1.轮廓规则。

人脸可近似被看成一个椭圆，则人脸检测可以通过检测椭圆来完成。

1.2.器官分布规则。

即五官分布的几何规则。检测图像中是否有人脸，即是否存在满足这些规则的图像块。这种方法一般是先对人脸的器官或器官的组合建立模板，然后检测图像中几个器官可能分布的位置，对这些位置点分别组合，用器官分布的知识规则进行筛选，从而找到可能存在的人脸。

1.3.对称性规则。

不解释应该也清楚吧！ **^_^**

1.4.运动规则：
若输入图像为动态图像序列，则可以利用与人脸或人脸的器官相对于背景的运动来检测人脸，比如利用眨眼或说话等动作的探测来实现人脸与背景的分离。

2. 特征不变量方法

这个方法的目标是寻找那些即使当姿势、视角和光线条件变化时仍然存在的结构特征，并利用这些特征来定位人脸。

人的肤色被证明是人脸检测的一个有效特征。人脸肤色聚集在颜色空间中一个较小的区域，因此可利用肤色特征能够有效地检测出图像中的人脸。利用肤色特征检测出的人脸区域可能不够准确，但如果在整个系统实现中作为人脸检测的粗定位环节，它具有直观、实现简单、快速等特点，可以为后面进一步进行精确定位创造良好的条件，以达到最优的系统性能。

3. 模板匹配的方法
模板匹配法是一种经典的模式识别方法。其处理过程如下：
3.1. 进行预处理手动地预定义或者参数化一个标准人脸图案。预处理要做尺度归一化和灰度归一化的工作。最简单的模板将人脸看成椭圆。
3.2. 计算输入图像与标准人脸图案的相关值，这个相关值大都是独立计算脸部轮廓、眼镜、鼻子和嘴各自的匹配程度后得出的综合描述。
3.3. 根据相关值和预先设定的阈值来确定图像中是否有人脸。

由于基于模板的方法比较成熟，因此其实现起来比较简单，但是这个方法对于人脸检测来说，效率并不高。

4. 基于表象的方法
对比模板匹配，这个方法的模型是从一系列具有代表性脸部表观的训练图像学习而来，再将学习而成的模板用于人脸检测，而不像基于模板的方法，模板是由专家预先定义的，因此这也是一种自下而上的方法。现在许多人脸检测方法都是这种基于表象的方法。
一般而言，基于表象的方法利用统计分析和机器学习的技术来寻找人脸和非人脸图像的有关特性。学习而来的特性总结成分布模型或者判别函数，再利用这些分布模型或者判别函数来检测人脸。一般，为了计算的效率和检测的效益，都会先降低图像的维数。

人脸检测的方法很多，也并非都归于这四类。

了解了很多方法。在下准备用基于Adaboost方法。