自动人脸识别原理

人脸识别经过近 40 年的发展，取得了很大的发展，涌现出了大量的识别算法。这些算法的涉及面非常广泛，包括模式识别、图像处理、计算机视觉、人工智能、统计学习、神经网络、小波分析、子空间理论和流形学习等众多学科。所以很难用一个统一的标准对这些算法进行分类。根据输入数据形式的不同可分为基于静态图像的人脸识别和基于视频图像的人脸识别。因为基于静态图像的人脸识别算法同样适用于基于视频图像的人脸识别，所以只有那些使用了时间信息的识别算法才属于基于视频图像的人脸识别算法。接下来分别介绍两类人脸识别算法中的一些重要的算法。

特征脸

特征脸方法利用主成分分析进行降维和提取特征，主成分分析是一种应用十分广泛的数据降维技术。该方法选择与原数据协方差矩阵前几个最大特征值对应的特征向量构成一组基，以达到最佳表征原数据的目的，因为由主成分分析提取的特征向量返回成图像时，看上去仍像人脸，所以这些特征向量称为“特征脸”。

在人脸识别中，由一组特征脸基图像形成特征脸子空间，任何一幅图像（减去平均人脸后）都可以投影到该子空间，得到一个权值向量。计算此向量与训练集中的权值向量的欧氏距离，取最小距离所对应的人脸图像的身份，作为测试人脸图像的shenfeng.