人臉識別幾何特征方法

　

人臉識別幾何特征方法是一種簡單、直接的方法，適合于用計算機來實現。首先，提取目標的特征，并將所有得到的特征值組合形成一個向量;然后利用某種距離公式，將待識目標的特征向量與庫中樣本的特征向量進行比較，根據比較結果，待識目標可以得到匹配。

幾何特征方法是人臉識別研究中最早提出的方法之一。早期人們曾經提出了許多基于幾何特征的人臉識別方法，是基于距離比例的自動特征提取方法。該人臉圖像識別系統使用投影法來確定人臉圖像的局部特征，如眼睛、鼻子、嘴部等區域，并計算出由不同特征點組成的距離、角度、面積等參數值，作為目標的特征向量，用于人臉圖像的比較。該系統是第一個自動的人臉圖像識別系統，所用的樣本庫由 20 個不同的人組成，其中每人兩幅圖像，系統的識別率達到45%～75%。

半自動的人臉圖像識別系統，其特征點的選擇是通過手工完成的，所選用的特征點為眼睛、鼻子、嘴部以及下頜等，根據這些特征點可以計算得到某些距離或角度參數值，如兩眼瞳孔之間的距離、兩眼瞳孔與鼻尖點的角度、鼻尖與兩嘴角間的距離等;為了使得不同尺度的人臉圖像也能進行比較，所得到的特征向量需要進行標準化處理。

以上基于人臉特征的比較法都要求庫中的圖像與待識別的人臉圖像為正面人臉圖像，圖像不能出現形變或旋轉，

否則識別率將大大下降。為了彌補這個缺陷，使用可變化的參數模型來表示人臉的特征，每個特征都對應于一個參數模型，同時相應地構造模型的能量函數，并利用梯度下降法來尋找能量函數的最優值，完成各局部特征的查找。這種方法在圖像出現小的形變及旋轉的情況下，仍然能夠進行特征的提取，因此具有一定的抗干擾能力。

基于幾何特征的人臉識別方法的優點是方法簡單，識別速度快。這是因為識別過程基于自動查找幾何特征，在求出幾何特征間距的比例關系后，根據幾何特征間距和樣本庫中人臉幾何特征相應參數確定待識目標。這個方法大大地減少了運算量。

但是由于其算法簡單帶來了一些不足：識別精度不高，二維圖像幾何特征以及特征點定位不容易導致特征提取困難，經常由于定位不精確而導致特征點的較大偏移，這是影響基于幾何特征人臉識別方法有效性的最嚴重因素;

另外如果噪聲干擾使得特征輪廓不清楚或者出現缺失時，該方法將失敗。現有的技術并不能很好地解決這個問題，因此在最近幾年這一方法采用得比較少，而更多地采用下面談到的特征臉、神經網絡以及模板匹配等方法。