人脸识别算法调研_大数据分析及可视化[通俗易懂]

人脸识别经典算法

Suncicie
2017.12.10

特征脸（Eigenface）

1. 获取M张人脸的图像集合，每张图片转换成一个N维度向量，组成集合$S$

   

   

2. 计算平均图像

   

   

3. 计算每张图像和平均图像的差值Φ ，就是用S集合里的每个元素减去步骤二中的平均值。

4. 找到M个正交的单位向量un，这些单位向量其实是用来描述Φ （步骤三中的差值）分布的。un里面的第k（k=1,2,3…M)个向量uk 是通过下式计算的，

   

   

5. 识别人脸，先计算出要判别的人脸的特征脸
   

   

   • 计算与对比脸的欧式距离

     

6. 特点，简单易理解，作为不是专门研究人脸识别的论文，这个人脸识别方案经常被用，易收到光照遮挡物等影响

FishFace(LDA)

1. LDA

   • 投影后类内方差最小，类间方差最
   • 

   • 计算过程

     • 计算每类数据的均值

       

     • 数据投影到w向量后，每类的中心点

     

     • 不同的类要尽量分开即

       

     • 同类要尽量聚拢，聚合度计算如下，即到中心点的距离累积越小越好

       

     • 目标函数（分子小分母大，目标函数越大）

今天的文章人脸识别算法调研_大数据分析及可视化[通俗易懂]分享到此就结束了，感谢您的阅读。