目前,國内外人臉識别技術發展速度加快,技術路徑也比較多。主流的人臉識别技術基本上可歸結為五類。
其中,基于模闆匹配方法是将待處理的人臉圖像直接與數據庫中所有模闆進行匹配,選取匹配最相似的模闆圖像作為待處理圖像的分類。不過,由于數據庫中每個人的模闆圖片數量有限,不可能涵蓋現實中所有的複雜情況,簡單的模闆匹配隻利用了相關信息,對背景、光照、表情等非相關信息非常敏感。因此,該方法隻适用于理想條件下的人臉識别,并不适合應用于實際場景。
基于幾何特征的方法,即人的面部有形狀和大小都不相同的部件,如鼻子和嘴巴等。通過對這些部件形狀的對比、部件間位置的檢測,從而實現人臉識别。與基于模闆匹配方法相似,形狀、距離等信息并不能表達出圖像中的姿态、表情等非線性因素,導緻該方法的可靠性和有效性較低。
基于人工神經網絡的方法直接使用圖像像素點作為神經網絡的輸入,通過模拟人腦神經元工作機制,可學習到其他方法難以實現的隐性人臉特征表示。而且神經網絡擁有非線性激活函數,使得網絡對人臉圖像中的非線性因素和關系有一定的表達能力。
基于稀疏表示的人臉識别方法中,稀疏表示用的“字典”直接由訓練所用的全部圖像構成,無需經字典學習。
最後一種是基于深度學習的人臉識别方法。其核心内容是逐層訓練的網絡結構,每層使用的是自編碼神經網絡,自編碼神經網絡主要包括對數據編碼和解碼兩部分内容。通過編碼、解碼實現對輸入數據的無監督學習,辨識能力随數據增長逐步提高。
上一篇:沒有了