Computer vision 人脸识别的研究现状

最近我对人脸识别做了一些研究。然而，我对算法的数量感到过度疲劳

PCA，LDA，IDA，Gabor小波，AAM

---

说你想做一些像。。。您将使用哪些算法或阅读哪些论文？

在Marilena端口上运行的Haar cascade

Haar级联是一种算法，它读取文件并告诉计算机某些东西是什么样子。过去我用它来检测脸、眼镜、微笑、手和可乐罐

---

我认为你应该做的第一件事是意识到你列出的算法在人脸识别的不同阶段都会用到

首先，你需要决定代表性，即。E要使用的功能。 这些可以是原始像素、Gabor滤波器、某种形状描述符、可变形模型等

然后，您通常希望降低特征的维度。这就是PCA、ICA或LDA等算法的用武之地，它们将数据点投影到一个低维空间，试图保留大部分方差（PCA）或确保不同类别点（LDA）的最佳分离

然后，您可能需要根据您的特征训练分类器，以区分不同人脸。这里有很多算法可供选择，如最近邻法、支持向量机、隐马尔可夫模型、贝叶斯网等

请注意，特定阶段的算法选择可能取决于也可能不取决于其他阶段的算法。例如，PCA可用于降低几乎任何类型特征的维数。另一方面，如何将支持向量机分类器用于可变形网格表示的人脸，目前还不清楚

我想你应该做的第一件事是非常精确地定义你的问题。您是否只想区分少数人的面孔，例如在照片中认出您的家人？你想从一个巨大的数据库中识别人吗？您是否为每个人脸都提供了大量的训练图像，还是只有少数几张？是否要处理不同的方向和照明条件

这些问题的答案决定了你的问题有多复杂，并且肯定会影响你对算法的选择

编辑：

---

下面是一个有人试图解决类似问题的例子。这是从2002开始的，但是IMPO是一个很好的开始。

< P>你想考虑深度图。这是最先进的。尝试阅读有关稀疏球面表示的内容。特征脸不是很健壮。它不是几个因素不变的。最先进的人脸识别技术是使用具有深度信息的3d PCL。这将使你即使在黑暗中也能识别。您可以使用华硕相机或Kinect相机收集深度信息。希望有帮助

主题是+1，非常有趣。我说的是人脸识别而不是检测。编辑：无论如何谢谢。就像我说的，我正在考虑制作类似myheritage的东西，你可以输入大量的照片，并将其与一个大型的示例数据库（可能包含表情、姿势和灯光不同的同一个人）进行匹配，以找到最接近的匹配项否，实际上你没有解释你的具体目标是什么。但听起来你想做的是检索，而不是分类。所以，您真正想要的是选择一个合适的特征表示，并定义两个这样的表示之间的距离度量。