人脸识别学习笔记(1)_模式空间和特征空间

 1) 相关科学
      神经生理学，神经病理学，心理学，脑神经学，计算机视觉。
2） 计算机视觉中的基本问题：
     如何区分光的亮度及强度；眼睛的空间分辨率；如何精确的比较和估计面积和距离；如何感知色彩；检测和区分物体时利用的是什么特征；
3）计算机视觉理论
     图像处理，模式识别，图像理解，图像生成；
     广义图像，分割图像，几何，关系；
4）Marr视觉理论
     场景-->初始简图-->2.5D简图-->3D图-->模型。缺陷是无法对精确目标进行识别；
5）基于推理的视觉理论
     约束不充分问题，附加约束条件，感知组织。
6）模式识别
     将计算机表示出来的图像和已知的类别进行匹配的过程。
     模式空间-->特征空间--->类型空间。
     模式采集-->预处理-->特征提取-->分类----结果（分类，类型空间，分类器训练，结果判决) .
7) 人脸图像识别主要研究的问题：
     数据采样，干扰因素（图像质量，背景，光照，目标的旋转，尺度，表情，其它如头饰，眼镜，胡须，化妆等）。
8）人脸图像识别的构成
     人脸图像-->预
处理-->图像表示和特征提取-->图像识别
     预处理：消除噪声，灰度规一化，几何校正，滤波变换等.
     图像表示和特征提取：基于特征标识(正面，侧面），基于图像表示。
     图像识别：类间，类内识别。
9） 常用的静态人脸图像识别方法;
     A) 几何特征方法：根据人脸的几何特征进行识别。优点是简单，快速。缺点是识别精度不高，特征提取困难。
     B）特征脸方法：采用主成分分析方法分析（KL变换)..简单，速度快，但在光照及旋转等条件下效果不理想。与样本库关系很大。 
     C）局部特征分析技术：图像拓扑结构。
     D）模板匹配：利用人脸图像的协方差。只有在人脸具有相同的缩放比例，旋转和光照情况下才能有比较好的效果
     E）图匹配：弹性模板匹配方法。（傅里叶变换，小波变换），识别率好，但速度慢；
     F） 人工神经网络：线性自相联网，BP网，自组织映射神经网络（无监督学习），隐马尔科夫模型。
     G）柔性形状模型技术：人脸形状模型，人脸灰度值分布模型，局部轮廓形状匹配。
     H）综合的方法。
10) 人脸检测及跟踪
     色彩法， Hausdorff距离。