現(xiàn)在一些小區(qū)出入不用門禁卡了，出入全靠
人臉識(shí)別；銀行也開(kāi)通了刷臉取現(xiàn)金，省去了拿卡，輸入密碼等；有的餐廳搞活動(dòng)，刷臉吃飯，由機(jī)器打分，顏值高的免單。在火車站、汽車站、高鐵站、機(jī)場(chǎng)等公共場(chǎng)所，人臉識(shí)別應(yīng)用也越來(lái)越多。那么人臉識(shí)別有哪些技術(shù)呢？
主流的人臉識(shí)別技術(shù)基本上可以歸結(jié)為三類，即：基于幾何特征的方法、基于模板的方法和基于模型的方法。
1. 基于幾何特征的方法是最早、最傳統(tǒng)的方法，通常需要和其他算法結(jié)合才能有比較好的效果；
2. 基于模板的方法可以分為基于相關(guān)匹配的方法、特征臉?lè)椒?、線性判別分析方法、奇異值分解方法、神經(jīng)網(wǎng)絡(luò)方法、動(dòng)態(tài)連接匹配方法等。
3. 基于模型的方法則有基于隱馬爾柯夫模型，主動(dòng)形狀模型和主動(dòng)外觀模型的方法等。
除了以上幾種方法，
人臉識(shí)別還有其它若干思路和方法，包括一下一些：
1） 隱馬爾可夫模型方法（Hidden Markov Model）
2） Gabor 小波變換+圖形匹配
（1）精確抽取面部特征點(diǎn)以及基于Gabor引擎的匹配算法，具有較好的準(zhǔn)確性，能夠排除由于面部姿態(tài)、表情、發(fā)型、眼鏡、照明環(huán)境等帶來(lái)的變化。
（2）Gabor濾波器將Gaussian網(wǎng)絡(luò)函數(shù)限制為一個(gè)平面波的形狀，并且在濾波器設(shè)計(jì)中有優(yōu)先方位和頻率的選擇，表現(xiàn)為對(duì)線條邊緣反應(yīng)敏感。
（3）但該算法的識(shí)別速度很慢，只適合于錄象資料的回放識(shí)別，對(duì)于現(xiàn)場(chǎng)的適應(yīng)性很差。
3） 人臉等密度線分析匹配方法
（1） 多重模板匹配方法
該方法是在庫(kù)中存貯若干標(biāo)準(zhǔn)面像模板或面像器官模板，在進(jìn)行比對(duì)時(shí)，將采樣面像所有象素與庫(kù)中所有模板采用歸一化相關(guān)量度量進(jìn)行匹配。
（2） 線性判別分析方法（Linear Discriminant Analysis，LDA）
（3）本征臉?lè)?br />
本征臉?lè)▽D像看做矩陣 ,計(jì)算本征值和對(duì)應(yīng)的本征向量作為代數(shù)特征進(jìn)行識(shí)別 ,具有無(wú)需提取眼嘴鼻等幾何特征的優(yōu)點(diǎn) ,但在單樣本時(shí)識(shí)別率不高 ,且在人臉模式數(shù)較大時(shí)計(jì)算量大
（4） 特定人臉子空間(FSS)算法
該技術(shù)來(lái)源于但在本質(zhì)上區(qū)別于傳統(tǒng)的"特征臉"人臉識(shí)別方法。"特征臉"方法中所有人共有一個(gè)人臉子空間，而該方法則為每一個(gè)體人臉建立一個(gè)該個(gè)體對(duì)象所私有的人臉子空間，從而不但能夠更好的描述不同個(gè)體人臉之間的差異性，而且最大可能地?cái)P棄了對(duì)識(shí)別不利的類內(nèi)差異性和噪聲，因而比傳統(tǒng)的"特征臉?biāo)惴?具有更好的判別能力。另外，針對(duì)每個(gè)待識(shí)別個(gè)體只有單一訓(xùn)練樣本的人臉識(shí)別問(wèn)題，提出了一種基于單一樣本生成多個(gè)訓(xùn)練樣本的技術(shù)，從而使得需要多個(gè)訓(xùn)練樣本的個(gè)體人臉子空間方法可以適用于單訓(xùn)練樣本人臉識(shí)別問(wèn)題。
（5）奇異值分解(singular value decomposition,簡(jiǎn)稱SVD)
是一種有效的代數(shù)特征提取方法.由于奇異值特征在描述圖像時(shí)是穩(wěn)定的,且具有轉(zhuǎn)置不變性、旋轉(zhuǎn)不變性、位移不變性、鏡像變換不變性等重要性質(zhì),因此奇異值特征可以作為圖像的一種有效的代數(shù)特征描述。奇異值分解技術(shù)已經(jīng)在圖像數(shù)據(jù)壓縮、信號(hào)處理和模式分析中得到了廣泛應(yīng)用.
