computer-vision - 人脸识别技术

Question

我最近对人脸识别做了一些研究。但是，我对算法的数量感到不知所措。

PCA，LDA，IDA，Gabor Wavelets，AAM ...

假设您想制作类似this的东西...您将使用哪种算法或阅读哪些论文？

Answer 1

我认为您应该做的第一件事是认识到您列出的算法用于面部识别的不同阶段。

首先，您需要确定表示形式，即e。使用的功能。
这些可能是原始像素，Gabor过滤器，某种形状描述符，可变形模型等。

然后，您通常希望减小特征的维数。这就是诸如PCA，ICA或LDA之类的算法出现的地方，该算法将数据点投影到较低维度的空间中，以尝试保留大部分方差(PCA)或确保不同类别的点(LDA)的最佳分离。

然后，您可能想在功能上训练分类器，以区分不同人的面孔。这里有很多算法可供选择，例如最近邻算法，支持 vector 机，隐马尔可夫模型，贝叶斯网络等。

注意，用于特定阶段的算法的选择可以取决于或可以不取决于其他阶段的算法。例如，PCA可用于减少几乎任何类型的特征的尺寸。另一方面，对于由可变形网格表示的面如何使用支持 vector 机分类器尚不十分清楚。

我想您应该做的第一件事就是非常精确地定义您的问题。您是否想区分只有几个人的面孔，例如在照片中识别您的家人？您想从庞大的数据库中识别人员吗？您的每张脸都有很多训练图像，还是只有几个？您要处理不同的方向和照明条件吗？

这些问题的答案决定了问题的复杂程度，并且肯定会影响您对算法的选择。

编辑:
这是尝试解决类似问题的人的thesis。它是从2002年开始的，但是恕我直言，这是一个不错的起点。