了解面部识别的不同算法_人脸照片比对算法(1)

任何面部检测和识别程序或系统都必须以人脸识别算法为核心。这些算法由专家分为两大类。几何方法专注于识别特征。为了从图像中提取值，应用了光度统计方法。然后，为了删除变体，将这些值与模板进行比较。此外，算法可以分为两组：基于特征的模型和整体模型。虽然整体方法将人脸视为一个整体，但前者侧重于面部特征并评估其空间特征并与其他特征的联系。

在图片识别方面，人工神经网络是应用最广泛、最有效的技术。神经网络同时执行许多数学过程，神经网络是面部识别系统的基础。

算法执行三个主要功能：识别图像、视频或实时流中的人脸;创建人脸的数学模型;并将模型与训练集或数据库进行比较以确认一个人的身份。

本文介绍了最著名的面部识别算法和重要特征。由于每种方法都具有特定于任务的优势，因此研究人员一直在尝试方法组合并创造新技术。

算法

1）卷积神经网络

人工神经网络（ANN）和人工智能开发的创新之一是卷积神经网络（CNN）。使用最广泛的深度学习技术之一教授模型直接对图像、视频、文本或声音执行分类任务。在计算机视觉、自然语言处理（NLP）和最大的图像分类数据集领域，该模型表现出出色的结果（Image Net）。卷积层和池化层已被添加到典型的神经网络中以创建 CNN。对于CNN来说，这些层可以达到数百甚至数千，并且每个层都获得了识别各种图像元素的能力。

2）哈尔级联

一种在图像上查找对象的方法称为Haar Cascade。该算法从大量的正样本和负样本中学习，其中正样本包含感兴趣的对象，负样本包含其他任何对象。分类器可以在训练后识别新鲜照片上有趣的对象。将该技术与本地二进制模式算法相结合，用于刑事识别以识别人脸。即使表达式波动，Haar 级联分类器也需要 200࿰