人脸识别过程 图 1 人 脸 识 别 流 程 图 1． 人 脸 的 检 测 和 定 位 ： 检 测 图 中 有 没 有 人 脸 ， 将 人 脸 从 背 景 中 分 割 出 来 ， 获取 人 脸 或 人 脸 上 的 某 些 器 官 在 图 像 上 的 位 置 。 2． 特征提取 ： 提取 特征点， 构造特征矢量；多个样本图 像 的 空间序列训练出一个模型， 它的 参数就是特征值；模版匹配法用相关系数做特征；而大部分 神经网络方法则直接使用归一化后的 灰度图 像 作为输入，网络的 输出 就是识 别 结果， 没 有 专门的 特征提取 过程 。 3． 识 别 ： 将 带识 别 的 图 像 或 特征与人 脸 数据库里的 特征进行匹配， 进而将 给出 的 人 脸 图 像 与数据库中 的 某 一个人 脸 图 像 及其名字， 相关性对应起来 。 人 脸 检 测 方 法 基 于知识 的方 法 a) 优点： 规则简单。 视频捕获图像预处理人脸检测人脸特征提取人脸识别人脸数据库比对b) 缺 点 ： 难 以 将 人 类 知 识 转 化 为 明 确 的 规 则 。 基 于特征的方法 c) 优 点 ： 可 以 依 据 面 部 器 官 的 几 何 关 系 进 行 人 脸 检 测 。 d) 缺 点 ： 光 照 、噪声和遮挡可 能使得人 脸 的 边界特征被弱化 ，从而使得算法难 以 使用。 基 于模版匹配的方法 e) 优 点 ： 简单高效。 f) 缺 点 ： 难 以 应对各种不同的 成像条件；关 于人 脸 模式和非人 脸 模式不存在一个清晰的 、明 确 的 界限。 基 于外观的方法 g) 优 点 ： 通过大量的 样本训练使得人 脸 识 别的 精确 度高。 h) 缺 点 ： 算法复杂。 基 于肤色的系统 i) 优 点 ： 不受人 脸 姿态变化 的 影响。 j) 缺 点 ： 受光 照 等外在因素影响较大。 人 脸 识 别 方 法 基 于几何特征的识 别 方 法 a) 优 点 ： i. 符 合 人 类 识 别 人 脸 的 机 理 ， 易 于 理 解 。 ii. 对每幅图像只需存储一个特征矢量， 存储量小。 iii. 对光照变化不太敏感。 b) 缺点 ： i. 从图像中抽取稳定的 几何特征比较困难， 特别 是特征受到遮挡时。 ii. 对强烈的 表情变化和姿态变化的 鲁棒性较差。 iii. 一般几何特征只描述了部件的 基本形状与结构关系， 忽略了局部...
