资源描述：
《人脸检测与识别文献汇总——by qian wu》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、一、类别人脸检测(FaceDetction)：从场景中检测并分割。人脸识别(FaceRecognition)：识别、匹配人脸。1.人脸检测l基于知识的人脸检测方法Ø 模板匹配Ø 人脸特征Ø 形状与边缘Ø 纹理特性Ø 颜色特征Ø 镶嵌图利用人脸的轮廓、对称性等少量特征的方法适用于较强约束条件下的人脸检测，该算法可以达到较高的检测速度。利用人脸五官分布特征的知识模型方法能够在一定程度上适用于复杂背景图像中的人脸检测，同时达到较高的检测速度。l基于统计的人脸检测方法Ø 主成分分析与特征脸Ø 因子分解方法(FactorAnalysis,FA)Ø
2、 Fisher准则方法(FisherLinearDiscriminant,FLD)Ø 神经网络方法Ø 支持向量机Ø 隐马尔可夫模型Ø Adaboost算法2.人脸识别l基于几何特征(GeometricFeature-based)的方法：首先检测出嘴巴、鼻子、眉毛、眼睛等脸部主要部件的位置和大小，然后利用这些部件的总体几何分布关系以及相互之间的参数比例来识别人脸。l基于模板匹配(TemplateMatching-based)的方法：利用模板和整个人脸图像的像素值之间的子相关性进行识别。l基于模型的方法：1.隐马尔科夫模型(HiddenMa
3、rkovModel,HMM)是一种常用的模型。首先采用两维离散余弦变化(DiscreteCosineTransform,DCT)抽取人脸特征，得到观察向量，构建HMM人脸模型，然后用EM(ExpectationMaximization)算法训练。2.主动形状模型(ActiveShapeModel,ASM)方法，对形状和局部灰度表象建模，用建立的ASM在新的图像中定位易变的物体。3.主动表象模型(ActiveAppearanceModel,AAM)，一种通用的非线性图像编码模式。l基于统计的方法：1.特征脸(Eigenface)方法，将图
4、像从上倒下、从左到右的顺序串成一个高维向量，然后通过主成分分析(PrincipalComponentAnalysis,PCA)将高维向量降低维数。2.Fisher脸方法(线性判别分析(LinearDiscriminateAnalysis,LDA))。3.贝叶斯人脸识别方法，基于概率的图像相似度度量方法。4.奇异值分解(SingularValueDecomposition,SVD)，具有良好的稳定性、转置不变性、旋转不变性、位移不变性以及镜像变换不变性等性质。5.独立成分分析(IndependentComponentAnalysis,IC
5、A)。l基于神经网络的方法。自组织映射网络(Self-OrganizingMap,SOM)，动态链接结构(DynamicLinkArchitecture,DLA)，SOM与卷积神经网络相结合的方法，基于概率决策的神经网络(ProbabilisticDecision-BasedNeuralNetwork,PDBNN)的方法。l多分类器集成方法人脸识别面临的挑战：光照和姿态变化资料：【10】《人脸检测研究综述》【11】《人脸识别研究综述》一、人脸检测与识别相关特征肤色特征、轮廓特征、直方图特征、梯度直方图特征、镶嵌图特征、结构特征、特征脸、
6、小波特征(包括Gabor小波特征)、Haar-like特征资料：【10】《人脸检测研究综述》二、人脸检测评价指标检测率：正确检测的人脸图像数目与所有包含人脸的图像数目的比值。TPR误检率：不存在人脸的图像被检测为人脸图像的数目与所有不包含人脸图像数目的比值。FPR检测速度鲁棒性一、人脸检测相关文献1.Viola-Jones方法（Adaboost算法）ProposedbyPaulViolaandMichaelJonesHaar分类器 = Haar-like特征 + 积分图方法 + AdaBoost+级联； Haar-like特征：sum
7、(white)-sum(black)IntegralImage:AdaBoost算法：确定weekclassifier的阈值（阈值型弱分类器）：1.按照特征值大小排列样本；2.计算总正样本个数T+,总负样本个数T-,在当前样本下的正样本个数S+,在当前样本下的负样本个数S-.每个阈值下的误差为：级联结构(Cascadeofclassifier)：资料：【1】《Rapid Object Detection using a Boosted Cascade of Simple Features》【2】《Robust Real-Time Fac
8、e Detection》【7】《浅析人脸检测之Haar分类器方法》【8】《基于AdaBoost的人脸检测方法及眼睛定位算法研究》【9】《AdaBoost中利用Haar特征进行人脸识别算法分析与总结》【12】
