《人臉識别原理及算法——動态人臉識别系統研究》—第5章5.5節小結

本節書摘來自異步社群《人臉識别原理及算法——動态人臉識别系統研究》一書中的第5章5.5節小結，作者 沈理 , 劉翼光 , 熊志勇,更多章節内容可以通路雲栖社群“異步社群”公衆号檢視。

5.5 小結

人臉識别原理及算法——動态人臉識别系統研究

本章在實驗的基礎上對pca方法在人臉圖像識别中的應用作了深刻揭示，主要讨論了訓練樣本效應、光照、尺度、旋轉等因素對識别的影響，并指出對于不同的幹擾會形成不同的圖像空間，且圖像空間之間存在一定距離，由此使得pca方法在應用于不同圖像空間的識别時效果較差。是以在處理這些幹擾情況時，需要對圖像做相應的預處理，以使待識圖像與庫中訓練樣本處于同一空間，或者在庫中儲存每個圖像的多個樣本，但這種方法存儲空間開銷較大，并且對于無法得到多個樣本的情況很難應用。

pca方法作為一種樣本統計分析技術，能夠提取樣本集合的主成分，并利用這些主成分來表示相應的樣本空間，應用于整個人臉圖像集合，可得到整個人臉圖像空間的主成分；同時也可應用人臉圖像的局部特征集合，得到這些局部特征空間的主成分，根據不同空間的距離原則，可以進行人臉局部特征的提取。

同時，如penev[52]所指出的，pca方法是一種全局分析技術，不能提取樣本集合的拓撲結構資訊以及每個像素點處的局部資訊，對于圖像的偏移、缺失、旋轉、光照等變化都看作一種全局變化，故其無法處理圖像局部變化的情況。但如果利用人臉圖像局部特征進行識别，就可以較好地利用樣本集合的拓撲結構，得到樣本的局部結構資訊，并用于識别。這些局部特征對于圖像的全局變化有一定的抗幹擾能力，實驗5.28充分證明了這一點。

本文僅用于學習和交流目的，不代表異步社群觀點。非商業轉載請注明作譯者、出處，并保留本文的原始連結。