人脸识别

人脸识别是视觉模式识别的细分问题，也可能是难以解决的问题。事实上，我们每个人都在进行视觉模式识别。我们通过眼睛获得视觉信息。这些信息通过大脑处理被识别为有意义的概念。下面就来简述几种比较常见的人脸识别的方法：

1、基于模板匹配的人脸识别的方法

该方法将待处理的人脸图像直接与数据库中的所有模板匹配，并选择匹配相似的模板图像作为待处理图像的分类。但是，由于数据库中每个人的模板图像数量有限，不能复盖现实中的所有复杂情况，简单的模板匹配只利用相关信息，对背景、光、表情等非相关信息非常敏感。因此，该方法只适用于理想条件下的人脸识别，不适用于实际场景。

2、基于代数基本特征的人脸识别的方法

该的方法主要通过对待处理图片的灰度分布进巧代数变化或矩阵分解来实现。比较常见的的方法有：主成分分析法（PCA）、线性判别分析法（LDA）及隐马尔科夫法（HMM）等。

3、基于基本特征脸（PCA）的人脸识别的方法

基本特征脸的方法是基于KL转换的人脸识别的方法，KL转换是图像压缩的正交换。高维度的图像空间在KL转换后获得了新的正交基础，保留了其中重要的正交基础，这些基础可以形成低维度的线性空间。假设人脸在这些低维度线性空间的投影具有可分性，就可以将这些投影作为识别的基本特征矢量，这就是基本特征脸的方法的基本思想。