人臉識別學習筆記(1)
阿新 • • 發佈：2018-12-23
人臉識別學習筆記(1)
1) 相關科學
神經生理學，神經病理學，心理學，腦神經學，計算機視覺。
2） 計算機視覺中的基本問題：
如何區分光的亮度及強度；眼睛的空間解析度；如何精確的比較和估計面積和距離；如何感知色彩；檢測和區分物體時利用的是什麼特徵；
3）計算機視覺理論
影象處理，模式識別，影象理解，影象生成；
廣義影象，分割影象，幾何，關係；
4）Marr視覺理論
場景-->初始簡圖-->2.5D簡圖-->3D圖-->模型。缺陷是無法對精確目標進行識別；
5）基於推理的視覺理論
約束不充分問題，附加約束條件，感知組織。
6）模式識別
將計算機表示出來的影象和已知的類別進行匹配的過程。
模式空間-->特徵空間--->型別空間。
模式採集-->預處理-->特徵提取-->分類----結果（分類，型別空間，分類器訓練，結果判決) .
7) 人臉影象識別主要研究的問題：
資料取樣，干擾因素（影象質量，背景，光照，目標的旋轉，尺度，表情，其它如頭飾，眼鏡，鬍鬚，化妝等）。
8）人臉影象識別的構成
人臉影象-->預
處理-->影象表示和特徵提取-->影象識別
預處理：消除噪聲，灰度規一化，幾何校正，濾波變換等.
影象表示和特徵提取：基於特徵標識(正面，側面），基於影象表示。
影象識別：類間，類內識別。
9） 常用的靜態人臉影象識別方法;
A) 幾何特徵方法：根據人臉的幾何特徵進行識別。優點是簡單，快速。缺點是識別精度不高，特徵提取困難。
B）特徵臉方法：採用主成分分析方法分析（KL變換)..簡單，速度快，但在光照及旋轉等條件下效果不理想。與樣本庫關係很大。
C）區域性特徵分析技術：影象拓撲結構。
D）模板匹配：利用人臉影象的協方差。只有在人臉具有相同的縮放比例，旋轉和光照情況下才能有比較好的效果
E）圖匹配：彈性模板匹配方法。（傅立葉變換，小波變換），識別率好，但速度慢；
F） 人工神經網路：線性自相聯網，BP網，自組織對映神經網路（無監督學習），隱馬爾科夫模型。
G）柔性形狀模型技術：人臉形狀模型，人臉灰度值分佈模型，區域性輪廓形狀匹配。
H）綜合的方法。
10) 人臉檢測及跟蹤
色彩法， Hausdorff距離。
1) 相關科學
神經生理學，神經病理學，心理學，腦神經學，計算機視覺。
2） 計算機視覺中的基本問題：
如何區分光的亮度及強度；眼睛的空間解析度；如何精確的比較和估計面積和距離；如何感知色彩；檢測和區分物體時利用的是什麼特徵；
3）計算機視覺理論
影象處理，模式識別，影象理解，影象生成；
廣義影象，分割影象，幾何，關係；
4）Marr視覺理論
場景-->初始簡圖-->2.5D簡圖-->3D圖-->模型。缺陷是無法對精確目標進行識別；
5）基於推理的視覺理論
約束不充分問題，附加約束條件，感知組織。
6）模式識別
將計算機表示出來的影象和已知的類別進行匹配的過程。
模式空間-->特徵空間--->型別空間。
模式採集-->預處理-->特徵提取-->分類----結果（分類，型別空間，分類器訓練，結果判決) .
7) 人臉影象識別主要研究的問題：
資料取樣，干擾因素（影象質量，背景，光照，目標的旋轉，尺度，表情，其它如頭飾，眼鏡，鬍鬚，化妝等）。
8）人臉影象識別的構成
人臉影象-->預
處理-->影象表示和特徵提取-->影象識別
預處理：消除噪聲，灰度規一化，幾何校正，濾波變換等.
影象表示和特徵提取：基於特徵標識(正面，側面），基於影象表示。
影象識別：類間，類內識別。
9） 常用的靜態人臉影象識別方法;
A) 幾何特徵方法：根據人臉的幾何特徵進行識別。優點是簡單，快速。缺點是識別精度不高，特徵提取困難。
B）特徵臉方法：採用主成分分析方法分析（KL變換)..簡單，速度快，但在光照及旋轉等條件下效果不理想。與樣本庫關係很大。
C）區域性特徵分析技術：影象拓撲結構。
D）模板匹配：利用人臉影象的協方差。只有在人臉具有相同的縮放比例，旋轉和光照情況下才能有比較好的效果
E）圖匹配：彈性模板匹配方法。（傅立葉變換，小波變換），識別率好，但速度慢；
F） 人工神經網路：線性自相聯網，BP網，自組織對映神經網路（無監督學習），隱馬爾科夫模型。
G）柔性形狀模型技術：人臉形狀模型，人臉灰度值分佈模型，區域性輪廓形狀匹配。
H）綜合的方法。
10) 人臉檢測及跟蹤
色彩法， Hausdorff距離。