人臉識(shí)別技術(shù)的研究是一個(gè)跨越多個(gè)學(xué)科領(lǐng)域知識(shí)的高端技術(shù)研究工作，其包括多個(gè)學(xué)科的專業(yè)知識(shí)，如圖像處理、生理學(xué)、心理學(xué)、模式識(shí)別等知識(shí)。在人臉識(shí)別技術(shù)研究的領(lǐng)域中，目前主要有幾種研究的方向，如：一種是根據(jù)人臉特征統(tǒng)計(jì)學(xué)的識(shí)別方法，其主要有特征臉的方法以及隱馬爾科夫模型（HMM ，Hidden Markov Model）方法等；另一種人臉識(shí)別方法是關(guān)于連接機(jī)制的，主要有人工神經(jīng)網(wǎng)絡(luò)（ANN，Artifical NeuralNetwork）方法和支持向量機(jī)（SVM，Support Vector Machine）方法等；還有一個(gè)就是綜合多種識(shí)別方式的方法。接下來(lái)我們將分別介紹各個(gè)算法，并比較其優(yōu)缺點(diǎn)。

?

1.?基于特征臉的方法

?

特征臉的方法，它是一種比較經(jīng)典而又應(yīng)用比較廣的人臉識(shí)別方法，其主要原理是把圖像做降維算法，使得數(shù)據(jù)的處理更容易，同時(shí)，速度又可以做的比較快。

?

特征臉的人臉識(shí)別方法，實(shí)際上是將圖像做 K-L 變換，把一個(gè)高維的向量轉(zhuǎn)化為低維的向量，從而消除每個(gè)分量存在的關(guān)聯(lián)性，使得變換得到的圖像與之對(duì)應(yīng)特征值遞減。在圖像經(jīng)過(guò) K-L 變換后，其具有很好的位移不變性和穩(wěn)定性。所以，特征臉的人臉識(shí)別方法具有方便實(shí)現(xiàn)，并且可以做到速度更快，以及對(duì)正面人臉圖像的識(shí)別率相當(dāng)高等優(yōu)點(diǎn)。

?

但是，該方法也具有不足的地方，就是比較容易受人臉表情、姿態(tài)和光照改變等因素的影響，從而導(dǎo)致識(shí)別率低的情況。

?

通過(guò)上面的介紹，我們不難發(fā)現(xiàn)，在人臉識(shí)別研究中，使用特征臉的方法進(jìn)行，在目前來(lái)說(shuō)還是比較占上風(fēng)的，因?yàn)樗钱?dāng)前識(shí)別速度比較快的方法，是其他方法無(wú)法比擬的，因此，在人臉正面識(shí)別技術(shù)領(lǐng)域中，仍然深得人們喜愛(ài)。

?

2.?基于幾何特征的方法

?

基于幾何特征的識(shí)別方法，它是根據(jù)人臉面部器官的特征及其幾何形狀進(jìn)行的一種人臉識(shí)別方法，是人們最早研究及使用的識(shí)別方法，它主要是采用不同人臉的不同特征等信息進(jìn)行匹配識(shí)別，這種算法具有較快的識(shí)別速度，同時(shí)，其占用的內(nèi)存也比較小，但是，其識(shí)別率也并不算高。該方法主要做法是首先對(duì)人臉的嘴巴、鼻子、眼睛等人臉主要特征器官的位置和大小進(jìn)行檢測(cè)，然后利用這些器官的幾何分布關(guān)系和比例來(lái)匹配，從而達(dá)到人臉識(shí)別。

?

其流程大體如下：首先對(duì)人臉面部的各個(gè)特征點(diǎn)及其位置進(jìn)行檢測(cè)，如鼻子、嘴巴和眼睛等位置，然后計(jì)算這些特征之間的距離，得到可以表達(dá)每個(gè)特征臉的矢量特征信息，例如眼睛的位置，眉毛的長(zhǎng)度等，其次還計(jì)算每個(gè)特征與之相對(duì)應(yīng)關(guān)系，與人臉數(shù)據(jù)庫(kù)中已知人臉對(duì)應(yīng)特征信息來(lái)作比較，最后得出最佳的匹配人臉。

?

基于幾何特征的方法符合人們對(duì)人臉特征的認(rèn)識(shí)，另外，每幅人臉只存儲(chǔ)一個(gè)特征，所以占用的空間比較??；同時(shí)，這種方法對(duì)光照引起的變化并不會(huì)降低其識(shí)別率，而且特征模板的匹配和識(shí)別率比較高。但是，基于幾何特征的方法也存在著魯棒性不好，一旦表情和姿態(tài)稍微變化，識(shí)別效果將大打折扣。

?

3.?基于神經(jīng)網(wǎng)絡(luò)的方法

?

將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于圖像識(shí)別的中已經(jīng)有比較久的年代了，如著名的 BP 神經(jīng)網(wǎng)絡(luò)等，它是模仿人類大腦活動(dòng)方式去實(shí)現(xiàn)的。目前，比較有代表性的神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)的方法主要有混合型神經(jīng)網(wǎng)絡(luò)、主元神經(jīng)網(wǎng)，以及卷積神經(jīng)網(wǎng)絡(luò)等方法。神經(jīng)網(wǎng)絡(luò)的方法在目前來(lái)說(shuō)，可以做到相對(duì)比較高的識(shí)別率，當(dāng)然，其也存在著網(wǎng)絡(luò)訓(xùn)練時(shí)間長(zhǎng)，以及難以收斂等問(wèn)題。

?

4.?基于支持向量機(jī)的方法

?

將支持向量機(jī)（SVM）的的方法應(yīng)用到人臉識(shí)別中，其起源于統(tǒng)計(jì)學(xué)理論，它研究的方向是如何構(gòu)造有效的學(xué)習(xí)機(jī)器，并用來(lái)解決模式的分類問(wèn)題。其特點(diǎn)是將圖像變換空間，在其他空間做分類。

?

支持向量機(jī)結(jié)構(gòu)相對(duì)簡(jiǎn)單，而且可以達(dá)到全局最優(yōu)等特點(diǎn)，所以，支持向量機(jī)在目前人臉識(shí)別領(lǐng)域取得了廣泛的應(yīng)用。但是，該方法也和神經(jīng)網(wǎng)絡(luò)的方法具有一樣的不足，就是需要很大的存儲(chǔ)空間，并且訓(xùn)練速度還比較慢。

?

5.?其他綜合方法

?

以上是幾種比較常用的人臉識(shí)別方法，我們不難看出，每一種識(shí)別方法都不能做到完美的識(shí)別率與更快的識(shí)別速度，都有著各自的優(yōu)點(diǎn)和缺點(diǎn)，因此，現(xiàn)在許多研究人員則更喜歡使用多種識(shí)別方法綜合起來(lái)應(yīng)用，取各種識(shí)別方法的優(yōu)勢(shì)，綜合運(yùn)用，以達(dá)到更高的識(shí)別率和識(shí)別效果。