J.liu:人脸识别研究中应该关注什么？

人脸识别是一个热门的研究课题，主要研究方法有：
1)以PCA和LDA为代表的全局特征提取方法，相关论文不断涌现。个人认为，相关改进方法具有很大的投机性，因为其一般在所选择的几个数据集上说明效果似乎比现有相关方法好（很多时候，现有的方法没有得到很好的实现，如参数的调整等），但是，事实上，这些所谓的新方法在一些更难的数据集上并不能比现有的方法好（在这方面，我有两篇讨论论文，一篇发表在PR，一篇IVC）。此外，这类方法，很多时候是一种概念上炒作，比如2D等。这类方法的局限性在于，以传统模式识别的思路来思考人脸识别问题，很少真正意义上考虑人脸的图像属性（也许有人说2D考虑了，但是，我要说，这是个美丽的谎言）。
2)局部算子，以LBP,SIFT等为代表。这些方法考虑了图像的纹理特征，在FERET上的实验表明，优于1)中的方法。当然，此类方法，还应该包括局部化的PCA和LDA（这里的局部化指通过划分子模式，而非现在流行的LPP之类方法）。个人认为，这类方法考虑到了人脸的图像特征，应该是未来值得深入研究的方向。但是，在这类方法中，块到底分多大（LBP声称对块大小不敏感，这应该是个美丽的谎言），以及开发出更有效的算子是一个值得研究的课题。
3)前两种方法的组合。
目前人脸识别的benchmark以室类受控的图像库为主，但是以FRGC为代表的新数据库开始关注outdoor图像。我个人认为，就人脸识别而言，再花大精力改进传统统计特征提取方法，并在简单的诸如ORL、YALE上验证其有效性，应该没有多大前途。我们应该更多以图像的思维来思考人脸识别，提高人脸识别在实际outdoor场合的效果，也许是搞人脸识别人的出路。欢迎讨论，以促进人脸识别的发展（国内这方面的研究应该还是有相当的实力的，因为，北大和清华都参加了FRGC2006测试，并且结果似乎不怎么坏）。