才沒有幾年，人臉識別技術就已經發展得相當成熟了，現在連我們小區的門禁都用的是人臉識別，所以，還是來學習一下，省得自己被偷拍了還不知道。
人臉識別流程
人臉識別的流程並不太複雜，主要分為以下三個步驟：
1) 建立人臉的面像檔案：用攝像機採集人臉的面像文件或取他們的照片形成面像文件，並將這些面像文件生成面紋(Faceprint)編碼貯存起來。
2) 獲取當前的人體面像：用攝像機捕捉的當前人員的面像，或取照片輸入，並將當前的面像文件生成面紋編碼。
3) 用當前的面紋編碼與檔案庫存的比對：將當前的面像的面紋編碼與檔案庫存中的面紋編碼進行檢索比對。
人臉圖像的預處理
採集到的人臉圖像由於採集環境的不同，如光照明暗程度以及設備性能的優劣等，往往存在有噪聲，對比度不夠等缺點。另外，距離遠近，焦距大小等又使得人臉在整幅圖像中間的大小和位置不確定。為了保證人臉圖像中人臉大小，位置以及人臉圖像質量的一致性，必須對圖像進行預處理。
圖像預處理的主要目的是消除圖像中無關的信息，濾除干擾、噪聲。處理後恢復有用的真實信息，增強有關信息的可檢測性和最大限度地簡化數據，從而改進特徵抽取、圖像分割、匹配和識別的可靠性。人臉圖像的預處理主要包括人臉扶正，人臉圖像的增強，以及歸一化等工作。
預處理時的一些專業裝B專用專業術語：直方圖均衡、中值濾波、歸一化，我們平民可以避而不談。
人臉特徵提取與選擇
人臉特徵可以選擇鼻樑、眉骨、顴骨、下巴、嘴唇、眼睛等的形狀和它們之間的幾何關係（如相互之間的距離），以及耳廓和臉型等輪廓特徵。
目前，國內外研究人臉特徵提取算法的學者很多，有基於KL變換的特徵臉識別、人臉等密度線分析匹配方法、遺傳算法的人臉檢測、神經網絡的特徵提取、特徵臉法、彈性圖匹配方法、變形模板匹配法、隱馬爾可夫模型方法等。
特徵向量提取人臉圖像的特徵向量由兩部分組成:形狀向量和紋理向量。人臉形狀由位於人臉邊緣的101個關鍵點的座標表示，對訓練圖像的關鍵點座標進行主分量分析，得到形狀主元空間，測試圖像的關鍵點座標在形狀主元空間進行投影得到形狀特徵向量。人臉紋理圖像是通過將人臉圖像通過基於三角形的仿射變換拉伸到標準形狀獲得。對訓練圖像的紋理進行主分量分析，得到紋理主元空間，測試圖像的紋理在紋理主元空間進行投影得到紋理特徵向量。
再來一些此步驟的專業詞彙，當然，這些我們又不用瞭解，太專業了：
1、基於積分投影的人臉圖像特徵點提取；
2、基於小波分解譜性分析人臉特徵提取；
3、基於SVD分解的特徵提取方法；
人臉識別方法
1) 幾何特徵法
通過提取人臉的幾何特徵，包括人臉部件歸一化的點間距離和比率以及人臉的一些特徵點（如眼角、嘴角、鼻尖等），構成二維拓撲結構進行識別。人臉識別要求所構造的幾何特徵既要清晰區分不同對象人臉的差異，又要對光照背景條件不敏感，常規的幾何特徵量很難滿足這些要求，從而該方法的識別效果不理想。
2) 模板匹配法
利用人臉的全局特徵，根據人臉模板和相關參數進行識別。即將當前的面像與檔案庫存中存儲的面像進行檢索比對。這種方法簡單易行，但對人臉角度、大小和光照條件這些全局特徵非常敏感，對人臉本質區別的細節特徵不敏感。
3) 模型法
包括特徵臉方法、費舍爾方法、神經網絡方法和HMM方法等。特徵臉法是從主成分分析導出的一種人臉識別和描述技術。特徵臉方法識別率較低,而神經網絡方法由於採用自組織神經網絡和卷積神經網絡,識別率較高,但運算量大,消耗時間長。
沒有幾年人臉識別技術就已經發展得很成熟了。現在連我們小區的門禁都用的是人臉識別。再不學習就真的out了。
閱讀更多 野天鵝生活智慧 的文章
