人脸识别 算法

1.http://blog.csdn.net/stdcoutzyx/article/details/42091205

2.局部二值模式  LBP

http://blog.csdn.net/smartempire/article/details/23249517/

4.

鲁棒人脸识别            http://download.csdn.net/download/lly110120/4706016#

基于稀疏表示的鲁棒人脸识别（英文+重点翻译）

3.

http://www.vipzhuanli.com/pat/books/201710011190.0/2.html

本发明涉及人脸识别领域，更具体地，涉及一种基于稀疏编码的人脸识别方法。

背景技术

随着生物工程技术及计算机科技的迅速发展，人们对安全识别与身份验证问题的需求越来越高。具有非接触、非侵扰、友好、可扩展性等优点的人脸识别技术在多种生物识别技术中脱颖而出，在视频检索、治安监控、门禁出入、身份识别等领域获得了广泛应用。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

目前常用的人脸识别方法大体可以分为三种：基于2D图像的人脸识别方法、基于3D图像的人脸识别方法和基于深度学习的人脸识别方法。

传统的人脸识别方法主要基于2D图像，通过提取人脸上的几何特征或表观特征，训练特定的分类器(如最近邻分类器、支持向量机等)进行识别。由于特征提取的过程容易受到姿态、光照、表情、遮挡等因素影响，基于2D图像的人脸识别方法往往只能在一些受控的环境下进行，在实际的应用中还存在很多问题。

然而人脸实质上是具有立体结构的，2D图像无法很好地表示其三维结构信息。基于3D图像的人脸识别方法通过建立人脸的3D模型，可以获得人脸丰富的几何信息，并克服基于2D图像的人脸识别方法遇到的姿态难题。不过，基于3D图像的