todayq的专栏

最近几年，在国内掀起了一股图像处理、分析、识别的热潮，而其中的车牌识别和人脸识别无疑是其中的研究热潮。本人没有做过车牌识别的项目，不便叙述，不过，倒是可以跟大家聊聊最近几年国内在人脸识别领域的一些发展情况。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括图像采集，人脸定位，预处理，人脸特征提取，模式分类、判决识别等等。当然，还包括相应的摄像机，摄像头等光学设备，以及PC，DSP

人脸检测肤色分割Adaboost算法（分类器训练）特征定位眼睛定位嘴角定位特征点定位（特征点评测）人脸裁剪特征提取LBPLDPGaborWaveletGabor_LBP降维PCARandom Projection相似性度量识别算法SVMAdaboostPCALDA

% This function does the following processing on each block: DCT, quantize DCT,% inverse DCT% This function is called by dct_exp% Yao Wang 4/10/2003function qimblock=blkdct_quant(imblock,QP)

MATLAB functions: tv.m calc_lam.m calc_lamxy.m loc_var.m db.m TV denoising (scalar fidelity term) [ROF92]Reduces the total-variation of the image. Filters out noise w

参考文献：Enhanced local texture feature sets for face recognition under difficult lighting conditionsGamma correction变换增大暗区和阴影的动态范围，同时压缩高光区和亮区。DoG filter高通滤波，增强细节信息。Mask非必须，添加mask可消除头发等的影响。

有多种先进的人脸识别算法，可以调用，做实验很好用http://www.61ic.com/Download/DaVinci/Code/201211/109368.html一种一致最优的KFDA人脸识别方法http://www.61ic.com/Download/DaVinci/Code/201211/109365.html一个人脸识别演示/测试程序http://www.61ic.

Fisher 线性分类器由R.A.Fisher在1936年提出，至今都有很大的研究意义，下面介绍Fisher分类器的Fisher准则函数 Fisher准则函数在模式识别的分类算法中，大概可以分为两类，一种是基于贝叶斯理论的分类器，该类型分类器也称为参数判别方法，根据是基于贝叶斯理论的分类器必须根据所提供的样本数据求出先验概率和类概率密度函数的类型和参数；另一种是非参数判别方法，它倾向于

红色的方形的点为0类的原始点、蓝色的方形点为1类的原始点，经过原点的那条线就是投影的直线，从图上可以清楚的看到，红色的点和蓝色的点被原点明显的分开了，这个数据只是随便画的，如果在高维的情况下，看起来会更好一点。下面我来推导一下二分类LDA问题的公式：     假设用来区分二分类的直线（投影函数)为：    LDA分类的一个目标是使得不同类别之间的距离越远越好，同一类别之中的距离越近越好

Mat cutImage(Mat src,Point2f eyeleft,Point2f eyeright) { Mat dst; dst=Mat::zeros( src.rows, src.cols, src.type()); float offset[2] = { 0.2, 0.2 }; i

Aligning face imagesSome people have asked me how I've aligned the face images in my articles. Giving people my ImageMagick hack is embarrassing for me, so I've decided to rewrite it into a Python s

http://blog.sina.com.cn/s/blog_6ae1839101012fbb.html一 人脸识别系统结构图1显示了人脸识别系统所包含的各个模块，其中，图像采集模块用于采集包含人脸的图像；人脸检测跟踪模块用于确定视频中人脸的位置和大小，并确定同一个人在帧间的对应关系；而特征点定位模块用于定位眼睛、嘴巴等脸部特征点的位置；图像质量评估模块，用于从采集的同一个人的多张

邓亚峰：http://blog.sina.com.cn/s/blog_6ae183910101h4jr.html一，人脸检测/跟踪人脸检测/跟踪的目的是在图像/视频中找到各个人脸所在的位置和大小；对于跟踪而言，还需要确定帧间不同人脸间的对应关系。1,Robust Real-time Object Detection. Paul Viola, Michael Jones.

TECHNIQUESThe INFace toolbox v2.1 includes (among others) implementations of thefollowing photometric normalization techniques*:- the single-scale-retinex algorithm- the multi-scale-

function pic=DoG(I)if size(I,3)==3 I=rgb2gray(I);endI=double(I);h1=fspecial('gaussian',15,1);h2=fspecial('gaussian',15,2);m=filter2(h2,I)-filter2(h1,I);R=m;mi=min(min(R));ma=max(max(R));

今天打算用几种基准算法做人脸识别的测试，突然想到用OpenCV里边的