本文解决的是Face Recognition问题,作者所提出的Fisherface方法可以对光照变化(光照强度,光源数量以及方向的变化)以及面部表情变化不敏感。并且比较了四种方法: Correlation, Eigenfaces,Linear Subspaces, Fisherfaces算法描述以及各自的优势劣势。
问题描述:我们有一组带标记的face images,即learning set训练集;还有一组无标记的需要识别的face images,即测试集;测试集所有的人脸类别都来自训练集。我们需要设计算法,来判断出测试集图片都属于哪个类别。我们假设这些face images都已经被对齐。
新方法Fisherface的核心思想:1. 假设面部是Lambertian surface,特定的面部在不同的光照但固定视角下的图像,都落在高维图片空间的三维线性子平面内;2. 由于阴影、反射光以及表情的变化,上述1的描述可能不成立,即这些影响因素导致face images部分区域不在三维线性子平面内。
首先,我们来看看Correlation方法。Correlation是nearest neighbors algorithm中最简单的一种策略。首先对所有图片进行normali