人脸识别的最新技术

Posted 2023-03-16

【中文标题】人脸识别的最新技术

【英文标题】：State of the art in face recognition

【发布时间】：2011-02-23 14:40:18

【问题描述】：

我最近研究了一些人脸识别。但是，我对算法的数量感到不知所措。

PCA、LDA、IDA、Gabor 小波、AAM ...

假设你想做类似this...你会使用哪些算法或阅读哪些论文？

【问题讨论】：

主题+1，非常有趣。

【参考方案1】：

在 Marilena 港口运行的 Haar 级联。

Haar 级联是一种算法，它读取文件并告诉计算机某些内容是什么样的。我过去曾用它来检测面部、眼镜、微笑、手和可乐罐。

http://en.wikipedia.org/wiki/Haar-like_features

【讨论】：

我说的是人脸识别而不是检测。编辑：无论如何，谢谢。

【参考方案2】：

我认为您应该做的第一件事是意识到您列出的算法用于人脸识别的不同阶段。

首先，您需要决定表示形式，即。 e.要使用的功能。 这些可能是原始像素、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较低维度的空间中，试图保留大部分方差 (PCA) 或确保不同类别的点 (LDA) 的最佳分离。

然后，您可能希望针对您的特征训练一个分类器，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、支持向量机、隐马尔可夫模型、贝叶斯网络等。

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由可变形网格表示的人脸并不是很明显。

我想您应该尝试做的第一件事是非常准确地定义您的问题。您是否只想区分少数人的面孔，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吗？每个人脸都有很多训练图像，还是只有少数？您想处理不同的方向和光照条件吗？

这些问题的答案决定了您的问题有多复杂，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，但恕我直言，这是一个很好的起点。

【讨论】：

就像我说的那样，我正在考虑制作类似 myheritage 的东西，您可以在其中输入各种照片并将其与大型示例数据库进行匹配（其中可能包含具有不同表情、姿势和姿势的同一个人）照明）找到最接近的匹配

不，实际上你没有解释你的具体目标是什么。但听起来你想做检索，而不是分类。所以你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。

***.com/questions/12723856 ***.com/questions/12568901

【参考方案3】：

您想考虑深度图。那是最先进的。尝试阅读有关稀疏球面表示的信息。特征面不是很健壮。它不是不变的几个因素。最先进的人脸识别使用具有深度信息的 3d PCL。这将使您即使在黑暗中也能识别。您可以使用华硕相机或 Kinect 相机来收集深度信息。希望对您有所帮助！