萧瑟一笑的专栏

首先声明，我是个人脸识别的初学者，看到这个版面的气氛很好，而且看到dodo等做的总结非常好，因此也把自己一点浅薄想法和疑惑写出来，呵呵，希望不要被拍砖头。 我总觉得称gabor为小波不太合适，它只是一个加窗的傅立叶变换，能够提取图像的多尺度、多方向特征。 早期应用gabor进行人脸识别的典型算法有： （1）EGM算法         可参看：Wiskott L, Fellous JM, K

===============blog.sina.com.cn/s/blog_4d92192101008en6.html =================== dodo：人脸识别方法个人见解（之一） 看到j.liu关于人脸识别的帖子，萌发写这个帖子的念头。没有别的意思，就是想抛砖引玉，把问题说的全面一点，希望j.liu和回其帖子的兄弟姐妹们不要介意。如有兴趣，欢迎继续讨论。在以下讨论中，

Gabor变换属于加窗傅立叶变换，Gabor函数可以在频域不同尺度、不同方向上提取相关的特征。另外Gabor函数与人眼的生物作用相仿，所以经常用作纹理识别上，并取得了较好的效果。Gabor变换是短时Fourier变换中当窗函数取为高斯函数时的一种特殊情况. Gabor变换的本质实际上还是对二维图像求卷积。因此二维卷积运算的效率就直接决定了Gabor变换的效率。在这里我先说说二维卷积运算以及如

ASM是基于统计学习模型的特征点提取的一种方法。这个方法是95年就提出来的，不过至今仍是我认为比较好的人脸特征点提取的方案。方法的提出人Tim Cootes后来还提出了aam算法，也很有名，但如果简单是特征点的定位的话，我认为asm的效果可能更好一些。ASM跟大多数统计学习方法一样，也包括train和test（or fit）两部分，也就是形状建模build和形状匹配fit。这个算法其实很简单，可以

close all; clear all; clc; m = 8; n = 8; G = cell(5,8); for s = 1:5 for j = 1:8 G{s,j}=zeros(m,n); end end for s = 1:5 for j = 1:8 G{s,9-j} = gabor([m n],(s-1),j-1,4*pi/5,

人脸识别的故事说也说不完，调研的事还是交给大家吧。这里说的是用OpenCV做人脸识别。 因为是真正的人脸识别，不是搞笑娱乐的东西，所以数据库一定要强大的，推荐个网站http://www.face-rec.org/databases/。这里有最全的人脸库的概述，希望大家能找到自己需要的人脸库（PS：我现在特别需要一个3d的人脸库，不知道哪位大侠知道如何free获取，或者愿意共享给我那更是极好的

在最新版的2.4.2中，文档的更新也是一大亮点，refrence manual扩充了200多页的内容，添加了contrib部分的文档。contrib就是指OpenCV中新添加的模块，但又不是很稳定，可以认为是一个雏形的部分。这次结合refman的阅读，介绍一下FaceRecognizer这个人脸识别类，这个类也是2.4.2更新日志里着重强调过的更新，配套的文档也是相当充实。这个类的基类也是Algo