特征識別--特征臉

MIT實驗室的特克（Turk）和潘特（Pentland）提出的“特征臉”方法無疑是這一時期內(nèi)最負盛名的 人臉識別方法。其后的很多人臉識別技術(shù)都或多或少與特征臉有關(guān)系，現(xiàn)在特征臉已經(jīng)與歸一化的協(xié)相關(guān) 量(Normalized Correlation)方法一道成為人臉識別的性能測試基準算法。

漁夫臉識別法

貝爾胡米爾等提出的 Fisherface人臉識別方法是這一時期的另一重要成果。該方法 首先采用主成分分析（PCA）對圖像表觀特征進行降維。在此基礎(chǔ)上，采用線性判別分析（LDA）的方法 變換降維后的主成分以期獲得“盡量大的類間散度和盡量小的類內(nèi)散度”。該方法目前仍然是主流的人臉 識別方法之一，產(chǎn)生了很多不同的變種，比如零空間法、子空間判別模型、增強判別模型、直接的 LDA 判 別方法以及近期的一些基于核學習的改進策略。

彈性圖匹配法

其基本思想是用一個屬性圖來描述人臉：屬性圖的頂點代表面部關(guān)鍵特征點，其屬性為相應(yīng)特征點處 的多分辨率、多方向局部特征——Gabor變換12特征，稱為Jet；邊的屬性則為不同特征點之間的幾何 關(guān)系。對任意輸入人臉圖像，彈性圖匹配通過一種優(yōu)化搜索策略來定位預先定義的若干面部關(guān)鍵特征點， 同時提取它們的Jet特征，得到輸入圖像的屬性圖。最后通過計算其與已知人臉屬性圖的相似度來完成識 別過程。該方法的優(yōu)點是既保留了面部的全局結(jié)構(gòu)特征，也對人臉的關(guān)鍵局部特征進行了建模