在深度学习盛行的大趋势下,还在开发传统的人脸识别方法,显得有些无奈;但是在服务器问题解决之前,我觉得还是有必要了解并实现一下的。
实现如题的人脸识别主要分为五部:
1、CLM截取人脸关键点:用于进行人脸标定;同时也用于测试论文《Blessing of Dimensionality: High-dimensional Feature and Its Efficient Compression for Face Verification》。
2、Multi-LBP:具体主要参考论文《Multi-scale local binary pattern histograms for face recognition》,实现的时候记得区分多尺度LBP和多分辨率LBP;我这里用的是多尺度LBP,多分辨率的没有测试,效果应该差不多。
3、PCA的训练:首先跟人眼位置截取人脸区域,收集人脸数据;然后opencv自带的PCA进行训练;保存特征均值和特征向量。
4、LDA训练:测试为收集18个人,每个人20张图像,共360张图像;用PCA降维后直接送入LDA进行分类学习;LDA来自Opencv。
5、余弦距离进行相似度判断。