面部识别程序如何工作？[关闭]

主成分分析是模式识别系统（如面部识别）的基础。

粗略地说，处理阶段是：

1. 检测人脸位置
2. 规范化人脸
3. 收集每个检测到的人脸的特征
4. 将特征提供给机器学习算法

第 1 步通常使用经典的 Viola&Jones 人脸检测算法完成。它非常快速和可靠。

在步骤 1 中发现的人脸可能具有不同的亮度、对比度和不同的大小。为了简化处理，它们都缩放到相同的大小，并在步骤 2 中补偿曝光差异（例如使用直方图均衡）。

步骤 3 有许多方法。早期的面部检测器试图找到特定的位置（眼睛中心、鼻子末端、嘴唇末端等），并使用它们之间的几何距离和角度作为识别特征。从我所读到的内容来看，这些方法非常快，但不是那么可靠。

最近的方法“特征面”是基于这样一个事实，即人脸图片可以近似为基础图像的线性组合（通过PCA从大量训练图像中找到）。此近似值中的线性因子可用作特征。这种方法也可以单独应用于面部的各个部位（眼睛、鼻子、嘴巴）。如果所有图像之间的姿势相同，则效果最佳。如果有些脸向左看，有些脸向上看，那就行不通了。主动外观模型试图通过训练完整的 3D 模型而不是平面 2D 图片来抵消这种影响。

第 4 步相对简单：对于每张人脸和训练期间获取的人脸图像，您都有一组数字，并且您希望找到与当前测试人脸“最相似”的训练人脸。这就是机器学习算法的作用。我认为最常见的算法是支持向量机（SVM）。其他选择包括人工神经网络或k最近邻。如果功能很好，那么 ML 算法的选择就不那么重要了。

关于该主题的文献：

• 计算机视觉 - 算法和应用程序处理人脸检测、人脸识别和机器学习（以及许多其他主题）。这是相当新的，所以它涵盖了最新的研究。它还有一个很棒的参考书目。
• 计算机视觉中的模板匹配技术深入探讨了人脸识别的模板匹配方法。
• 你可以使用谷歌学术搜索找到很多研究文章。