人脸识别技术的算法与原理说明

　　基于几何特征的方法

　　采用几何特征进行正面人脸识别一般是通过提取人眼、口、鼻等重要特征点的位置和眼睛等重要器官的几何形状作为分类特征，但Roder对几何特征提取的精确性进行了实验性的研究，结果不容乐观。

　　局部特征分析方法

　　局部性和拓扑性对模式分析和分割是理想的特性，似乎这更符合神经信息处理的机制，因此寻找具有这种特性的表达十分重要。这种方法在实际应用取得了很好的效果，它构成了FaceIt人脸识别软件的基础。

　　特征脸方法

　　特征脸方法具有简单有效的点，也称为基于主成分分析的人脸识别方法。从统计的观点，寻找人脸图像分布的基本元素，即人脸图像样本集协方差矩阵的特征向量，以此近似地表征人脸图像。这些特征向量称为特征脸。

　　基于弹性模型方法

　　弹性图匹配技术是一种基于几何特征和对灰度分布信息进行小波纹理分析相结合的识别算法，由于该算法较好的利用了人脸的结构和灰度分布信息，而且还具有自动精确定位面部特征点的功能，因而具有良好的识别效果。

　　神经网络方法

　　Lee等将人脸的特点用六条规则描述，然后根据这六条规则进行五官的定位，将五官之间的几何距离输入模糊神经网络进行识别，神经网络方法在人脸识别上的应用比起前述几类方法来有一定的优势，它的适应性更强，一般也比较容易实现。