山東二維人臉識別算法的主要方法

　　二維人臉識別算法的主要方法

　　人臉識別法主要集中在二維圖像方面，二維人臉識別主要利用分布在人臉上從低到高80個節點或標點，通過測量眼睛、顴骨、下巴等之間的間距來進行身份。人臉識別算法主要有：

　　1.基于模板匹配的方法：模板分為二維模板和三維模板，核心思想:利用人的臉部特征規律建立一個立體可調的模型框架，在定位出人的臉部位置后用模型框架定位和調整人的臉部特征部位，解決人臉識別過程中的觀察角度、遮擋和表情變化等因素影響。

　　2.基于奇異值特征方法：人臉圖像矩陣的奇異值特征反映了圖像的本質屬性，可以利用它來進行分類識別。

　　3.子空間分析法：因其具有描述性強、計算代價小、易實現及可分性好等特點，被廣泛地應用于人臉特征提取，成為了當前人臉識別的主流方法之一。

　　4.局部保持投影是一種新的子空間分析方法，它是非線性方法LaplacianEigenmap的線性近似，既解決了PCA等傳統線性方法難以保持原始數據非線性流形的缺點，又解決了非線性方法難以獲得新樣本點低維投影的缺點。

　　5.主成分分析(PCA)

　　PCA模式識別領域一種重要的方法，已被廣泛地應用于人臉識別算法中，基于PCA人臉識別系統在應用中面臨著一個重要障礙：增量學習問題。增量PCA算法由新增樣本重構非常重要PCS，但該方法隨著樣本的增加，需要不斷舍棄一些不重要PC，以維持子空間維數不變，因而該方法精度稍差。

　　6.其他方法：彈性匹配方法、特征臉法(基于KL變換)、人工神經網絡法、支持向量機法、基于積分圖像特征法(adaboost學習)、基于概率模型法。

本頁關鍵詞：濰坊車牌識別