人脸识别技术主要算法原理人脸识别系统原理( 三 ) _算法

PCA的算法描述:主成分分析(PCA)是由Anderson和Kohonen提出的。PCA将高维向量转化为低维向量时，低维向量各分量的方差更大，各分量互不相关，可以达到更优的特征提取。
6.其他 :
除了上述之外，还有其他用于人脸识别的思路和，包括如下:
1)隐马尔可夫模型(Hidden Markov Model)
2) Gabor小波变换+图形匹配
(1)人脸特征点的精确提取和基于Gabor引擎的匹配算法具有较好的准确性，能够消除人脸姿态、表情、发型、眼镜、光照环境等引起的变化。
(2)Gabor滤波器将高斯函数限定为平面波的形状，在滤波器设计中有优先方向和频率的选择，说明它对线边缘响应比较敏感。
(3)但是这种算法的识别速度很慢，只适用于视频数据的回放识别，对场景的适应性较差。
3)人脸等密度线的分析与匹配。
(1)多模板匹配法
该是在库中存储多个尺度的人脸图像模板或人脸图像器官模板，在比较时，将采样的人脸图像的所有像素通过归一化的相干性度量与库中的所有模板进行匹配。
(2)线性判别分析(LDA)
(3)内在面向
特征脸法将图像视为一个矩阵，计算特征值和对应的特征向量作为代数特征进行识别。它的优点是不提取眼、口、鼻等几何特征，但单个样本识别率不高，人脸模式数量较多时计算量较大。
(4)面对面空算法(FSS)
【人脸识别技术主要算法原理人脸识别系统原理】这种技术起源于传统的“特征”人脸识别，但有着本质的区别。"特征“在这种中，每个人都有一个人脸室空，而这种为每个个体人脸建立了一个私人人脸室空，不仅可以更好地描述不同个体人脸之间的差异，而且可以更大程度地丢弃不利于识别的类内差异和噪声，从而比传统的

人脸识别技术主要算法原理 人脸识别系统原理( 三 )

人脸识别技术主要算法原理人脸识别系统原理( 三 )