人脸识别学习笔记(1)

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/hawksoft/article/details/76529131

人脸识别学习笔记(1)
 1) 相关科学
      神经生理学,神经病理学,心理学,脑神经学,计算机视觉。
2) 计算机视觉中的基本问题:
     如何区分光的亮度及强度;眼睛的空间分辨率;如何精确的比较和估计面积和距离;如何感知色彩;检测和区分物体时利用的是什么特征;
3)计算机视觉理论
     图像处理,模式识别,图像理解,图像生成;
     广义图像,分割图像,几何,关系;
4)Marr视觉理论
     场景-->初始简图-->2.5D简图-->3D图-->模型。缺陷是无法对精确目标进行识别;
5)基于推理的视觉理论
     约束不充分问题,附加约束条件,感知组织。
6)模式识别
     将计算机表示出来的图像和已知的类别进行匹配的过程。
     模式空间-->特征空间--->类型空间。
     模式采集-->预处理-->特征提取-->分类----结果(分类,类型空间,分类器训练,结果判决) .
7) 人脸图像识别主要研究的问题:
     数据采样,干扰因素(图像质量,背景,光照,目标的旋转,尺度,表情,其它如头饰,眼镜,胡须,化妆等)。
8)人脸图像识别的构成
     人脸图像-->预
处理-->图像表示和特征提取-->图像识别
     预处理:消除噪声,灰度规一化,几何校正,滤波变换等.
     图像表示和特征提取:基于特征标识(正面,侧面),基于图像表示。
     图像识别:类间,类内识别。
9) 常用的静态人脸图像识别方法;
     A) 几何特征方法:根据人脸的几何特征进行识别。优点是简单,快速。缺点是识别精度不高,特征提取困难。
     B)特征脸方法:采用主成分分析方法分析(KL变换)..简单,速度快,但在光照及旋转等条件下效果不理想。与样本库关系很大。 
     C)局部特征分析技术:图像拓扑结构。
     D)模板匹配:利用人脸图像的协方差。只有在人脸具有相同的缩放比例,旋转和光照情况下才能有比较好的效果
     E)图匹配:弹性模板匹配方法。(傅里叶变换,小波变换),识别率好,但速度慢;
     F) 人工神经网络:线性自相联网,BP网,自组织映射神经网络(无监督学习),隐马尔科夫模型。
     G)柔性形状模型技术:人脸形状模型,人脸灰度值分布模型,局部轮廓形状匹配。
     H)综合的方法。
10) 人脸检测及跟踪
     色彩法, Hausdorff距离。
阅读更多

没有更多推荐了,返回首页