工作总结范文人脸识别技术大总结

人脸辨别技术大总结人脸辨别是经过剖析脸部器官的独一形状和地点来进行身份鉴别。人脸辨别是一种重要的生物特色辨别技术，应用特别宽泛。与其余身份辨别方法对比，人脸辨别拥有直接、友善和方便等特点，因此，人脸辨别问题的研究不单有重要的应用价值，并且在模式辨别中拥有重要的理论意义，目古人脸辨别已成为目前模式辨别和人工智能领域的研究热点。本章将简单介绍几种人脸辨别技术的研究方法。要点词：人脸辨别2、人脸辨别技术的主要研究方法目前在国内和外国研究人脸识其余方法有好多，常用的方法有：鉴于几何特色的人脸辨别方法、鉴于代数特色的人脸辨别方法、鉴于连结体制的人脸辨别方法以及鉴于三维数据的人脸辨别方法。人脸辨别流程图如图2．1所示：图2．1人脸辨别流程图3、鉴于几何特色的人脸辨别方法鉴于特色的方法是一种自下而上的人脸检测方法，因为人眼能够将人脸在不此研究人员以为有一个潜伏的假定：人脸或人脸的部件可能拥有在各样条件下都不会改变的特色或属性，如形状、肤色、纹理、边沿信息等。鉴于特色的方法的目标就是找寻上述这些不变特色，并利用这些特色来定位入脸。这种方法在特定的环境下特别有效且检测速度较高，对人脸姿态、表情、旋转都不敏感。可是因为人脸零件的提取往常都借助于边沿算子，所以，这类方法对图像质量要求较高，对光照和背景等有较高的要求，因为光照、噪音、暗影都极有可能损歹人脸零件的边沿，从而影响算法的有效性。模板般配算法第一需要人TN作标准模板(固定模板)或将模板先行参数化(可变模板)，思想报告专题而后在检测人脸时，计算输入图像与模板之间的有关值，这个有关值往常都是独立计算脸部轮廓、眼睛、鼻子和嘴各自的般配程度后得出的综合描绘，最后再依据有关值和早先设定的阈值来确立图像中能否存在人脸。鉴于可变模板的人脸检测算法比固定模板算法检测成效要好好多，可是它仍不可以有效地办理人脸尺度、姿态和形状等方面的变化。鉴于外观形状的方法其实不对输入图像进行复杂的预办理，也不需要人工的对人脸特色进行剖析或是抽取模板，而是经过使用特定的方法(如主成分剖析方法(PCA)、支持向量机(SVM)、神经网络方法(ANN)等)对大批的人脸和非人脸样本构成的训练集(一般为了保证训练获取的检测器精度，非人脸样本集的容量要为人脸样本集的两倍以上)进行学习，再将学习而成的模板或许说分类器用于人脸检测。所以，这也是j种自下而上的方法。这种方法的长处是利用强盛的机器学习算法快速稳固地实现了很好的检测结果，并且该方法在复杂背景下，多姿态的人脸图像中也能获取有效的检测结果。可是这种方法往常需要遍历整个图片才能获取检测结果，并且在训练过程中需要大批的人脸与非人脸样本，以及较长的训练时间。近几年来，针对该方法的人脸检测研究相对照较活跃。4、鉴于代数特色的人脸辨别方法在鉴于代数特色的人脸辨别中，每一幅人脸图像被当作是以像素点灰度为元素的矩阵，用反应某些性质的数据特色来表示人脸的特色。设人脸图像),(yxI为二维NM×灰度图像，范文写作相同能够当作是NMn×=维列向量，可视为NM×维空间中的一个点。但这样的一个空间中，其实不是空间中的每一部分都包含有价值的信息，故一般状况下，需要经过某种变换，将这样巨大的空间中的这些点映照到一个维数较低的空间中去。然后利用对图像投影间的某种胸怀来确立图像间的相像度，最常有的就是各样距离胸怀。在鉴于代数特色的人脸辨别方法中，主成分剖析法（PCA）和Fisher线性鉴识剖析（LDA）是研究最多的方法。本章简要介绍介绍了PCA。完好的PCA(PrincipalComponentAnalysis)人脸识其余应用包含四个步骤：人脸图像预办理；读入人脸库，训练形成特色子空间；把训练图像和测试图像投影的上一步骤中获取的子空间上；选择必定的距离函数进行辨别。详尽描绘以下：4.1读入人脸库一归一化人脸库后，将库中的每一个人选择必定数目的图像构成训练集，设归一化后的图像是n×n，按列相连就构成n2维矢量，可视为n2维空间中的一个点，能够经过K-L变换用一个低维子空间描绘这个图像。4.2计算K．L变换的生成矩阵训练样本集的整体分布矩阵为产生矩阵，即或许写成:式中xi为第i个训练样本的图像向量，|l为训练样本的均值向量，M为训练样本的总数。为了求n2×n2维矩阵∑的特色值和正交归一化的特色向量，要直接计算的话，计算量太大，由此引入奇怪值分解定理来解决维数过高的问题。4.3利用奇怪值分解(AVD)定理计算图像的特色值和特色向量设A是一个秩为r的行n×r维矩阵，则存在两个正交矩阵和对角阵：此中凡!其中为矩阵的非零特色值，4.4把训练图像和测试图像投影到特色空间每一副人脸图像向特色脸子空间投影，获取一组坐标系数，就对应于子空间中的一个点。相同，子空间中的任一点也对应于～副图像。这组系数便可作为人脸识其余依照，也就是这张人脸图像的特色脸特色。也就是说任何一幅人脸图像都能够表示为这组特色脸的线性组合，各个加权系数就是K．L变换的张开系数，能够作为图像的辨别特色，表示了该图像在子空间的地点，也就是向量则这两个正交矩阵和对角矩阵知足下式：可用于人脸检测，假如它大于某个阈值，能够以为f是人脸图像，不然就以为不是。这样本来的人脸图象辨别问题就转变为依照子空间的训练样本点进行分类的问题。5、鉴于连结体制的人脸辨别方法鉴于连结体制的辨别方法的代表性有神经网络和弹性般配法。神经网络(ANN)在人工智能领域近来几年来是一个研究热点，鉴于神经网络技术来进行人脸特色提取和特色辨别是一个踊跃的研究方向。神经网络经过大批简单神经元互联来构成复杂系统，在人脸辨别中获得了较好的成效，特别是正面人脸图像。常用的神经网络有：BP网络、卷积网络、径向基函数网络、自组织网络以及模糊神经网络等n¨。BP网络的运算量较小耗时也短，它的自适应功能使系统的鲁棒性增强。神经网络用于人脸辨别，对比较其余方法，其能够获取辨别规则的隐性表达，弊端是训练时间长、运算量大、收敛速度慢且简单堕入局部极小点等。Gutta等人结合RBF与树型分类器的混淆分类器模型来进行人脸辨别乜螂1。Lin等人采纳虚构样本进行增强和反增强学习，采纳模块化的网络构造网络的学习加速，实现了鉴于概率决议的神经网络方法获得了较理想结果，。此种方法能较好的应用于人脸检测和识其余各步骤中。弹性般配法采纳属性拓扑图代表人脸，拓扑图的每个极点包含一个特色向量，以此来记录人脸在该极点地点四周的特征信息¨引。拓扑图的极点是采纳小波变换特色，对光芒、角度和尺寸都拥有必定的适应性，最全面的范文参照写作网站且能适应表情和视角的变化，其在理论上改良了特色脸算法的一些缺点。6、鉴于三维数据的人脸辨别方法一个完好的人脸辨别系统包含人脸面部数据的获取、数据剖析处理和最后结果输出三个部分。图2-1显示了三维人脸识其余基本步骤：1、经过三维数据收集设施获取人脸面部的三维形状信息；2、对获取的三维数据进行光滑去噪和提取面部地区等预办理；3、从三维数据中提取人脸面部特色，经过与人脸库中的数据进行比对；4、用分类器做分类鉴识，输出最后决议结果。鉴于三维数据的方法的代表性是鉴于模型合成的方法和鉴于曲率的方法。鉴于模型合成的方法，它的基本思想为：输入人脸图像的二维的，用某种技术恢复(或部分恢复)人脸的三维信息，再从头合成指定条件下的人脸图像。典型代表是3D可变形模型和鉴于形状恢复的3D增强者脸辨别算法。3D可变形模型第一经过200个高精度的3D人脸模型建立一个可变形的3D人脸模型，用这个模型来对给定的人脸图像拟合，获取一组特定的参数，再合成任何姿态和光照的人脸图像n卜捌。鉴于形状恢复的3D增强者脸辨别算法是利用通用的3D人脸模型合成新的人脸图像，合成过程改变了必定的姿态与光源状况。曲率是最基本的表达曲面信息的局部特色，因此最早用来办理3D人脸辨别问题的是人脸曲面的曲率。Lee禾lJ用均匀曲率和高斯曲率值，将人脸深度图中凸的地区切割出来。7、本章小结上边研究的各样辨别方法都获取了必定的成功，但各有优弊端：鉴于几何特色的辨别方法很简单，但目前还没有形成特色提取的一致标准，较难从图像中抽取稳固的特色，特别是特色遇到遮挡或有较大表情变化时，其对姿态变化的鲁棒性也较差。鉴于代数特色的辨别方法经过各样变换方法来提取主重量，代数特色向量是拥有必定稳固性的，鉴于该方法的辨别系统对不一样的角度和表情都有必定的鲁棒性。鉴于连结体制的辨别方法其长处是保留了图像中的材质信息，且特色提取不复杂。但遇到原始图像数据量宏大的影响，辨别时间长，特别是当样本数目大大增添时，会严重影响其性能。鉴于三维数据的人脸辨别方法使用三维数据，是人脸识其余新思路，目前提取但信息还有必定困难，且需要很大数据储存和计算量。本章介绍了目前常用的一些人脸检测与辨别方法，从辨别率来看各样方法在指定数据库上的辨别性能高低不一样，整体来说很难总结哪一种方法更为优胜。各样辨别方法都有各自的特色，不一样的场合辨别成效不一样。参照文件:1、卓永亮.鉴于web的人脸检测与人脸辨别2、李寅.鉴于代数特色的人脸辨别研究及其DSP实现3、王红.鉴于肤色的人脸检测及辨别研究4、赵明华.人脸检测和辨别技术的研究5、王跃明.表情不变的三维人脸辨别研究6、蒋成成.三维人脸辨别方法研究7、李进.鉴于代数特色的人脸辨别研究篇二：人脸辨别技术发展及应用剖析人脸辨别技术发展及应用剖析人脸辨别是鉴于人的脸部特色信息进行身份识其余一种生物识别技术。用摄像机收集人脸图像，并自动在图像中检测和追踪人脸，从而对检测到的人脸进行脸部的一系列有关技术办理，包含人脸图像收集、人脸定位、人脸辨别预办理、记忆储存和比对辨识，达到辨别不一样人身份的目的。市场现状人脸辨别技术的研究始于20世纪60年月末期。20世纪90年月后期以来，一些商业性的人脸识别系统渐渐进入市场，可是，这些技术和系统离适用化都有必定距离，性能和正确率也有待提高。美国遭受恐惧侵袭后，这一技术惹起了宽泛关注。作为特别简单隐蔽使用的辨别技术，人脸识别渐渐成为国际反恐和安全防备重要的手段之一。近来几年来，人脸辨别在中国市场，也经历着快速的发展，并且发展的脚步也愈来愈快。主要原由有以下双方面。科技的进步国际上，美国标准与技术研究院（NIST）举办的FaceRecognitionVendorTest2006，经过大规模的人脸数据测试表示，此刻世界上人脸辨别方法的辨别精度比2002年的FRVT2002起码提高了一个数目级（10倍），而关于高清楚，高质量人脸图像辨别，机器的辨别精度几乎达到100%。在我国，近来几年来科技界和社会各个方面都认识到人脸辨别技术的重要性，国家政策对人脸辨别技术研究赐予了很大支持，使得我国人脸辨别技术也获取了快速的发展。应用需求的增添愈来愈趋势于高科技的犯法手段使得人们对各样场合的安全机制要求也近乎苛刻，各样应用需求不停浮现。人脸辨别市场的快速发展一方面归功于生物辨别需求的多元化，另一方面则是因为人脸辨别技术的进步。从需求上来说，除了传统的考勤、门禁等应用外，视频监控环境下的身份辨别正成为一种急迫的需求，即在一个较复杂的场景中，在较远的距离就辨别出特定的人，这明显是其余生物辨别方法所短缺的，而人脸辨别倒是一个极佳的选择。技术历程国家“十一五”科技发展规划将人脸辨别技术的研究与发展列入此中，明确指出：“要在生物特色辨别技术领域减小与世界先进水平的差距，张开生物特色辨别应用技术研究，开发拥有高安全性、低误报率的进出口控制新产品。”在这种环境下，国内一些科研院所和院校在人脸辨别技术方面获得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸辨别技术已经达到了国际先进的水平。传统的人脸辨别技术主假如鉴于可见光图像的人脸辨别，这也是人们最熟习的辨别方式，已有30多年的研发历史。但这种方式有着难以战胜的缺点，特别在环境光照发生变化时，辨别成效会急剧降落，没法知足实质系统的需要。解决光照问题的方案有三维图像人脸辨别，和热成像人脸辨别。但目前这两种技术还远不行熟，辨别成效不尽人意。近来快速发展起来的一种解决方案是鉴于主动近红外图像的多光源人脸辨别技术。它能够战胜光芒变化的影响，已经获得了优秀的辨别性能，在精度、稳固性和速度方面的整系统统性能超出三维图像人脸辨别。这项技术在近两三年发展快速，令人脸辨别技术渐渐走向适用化。[nextpage]可见光人脸辨别技术可见光是光谱中人眼能够感知的部分，可见光谱没有精准的范围，一般人的眼睛能够感知可见光的波长在400到700纳米之间。作为可为人眼感知的光源，也是生活中最常有的光源。所以，传统的人脸辨别技术主要鉴于可见光图像的人脸辨别，这也是人们最熟习的人脸辨别方式。为了战胜受环境光照的影响，学术界做了大批的研究和技术开发。对可见光人脸辨别系统进行了大批改良,以减少环境光照的影响，目前也获得了必定的进步。多光源人脸辨别技术在自然界中，除人眼可见的光芒外，还存在着红外、紫外等不行见的光芒。为了战胜可见光因环境要素而变化的影响，有关公司做了大批的研究和技术开发。鉴于红外与可见光交融的多光源人脸辨别方法是人脸辨别技术的一项革命性创新，目的在于除去可见光变化对人脸识其余影响。可见光图像受光源影响较大，而纯真的红外图像能够独立光源，但对温度变化比较敏感，而红外与可见光交融的多光源人脸辨别方法，被证明比随意单调光源的辨别更有效。它是一种鉴于交融红外与可见光图像的人脸辨别方法，对红外与可见光人脸图像分别采纳PCA与线性鉴识剖析相联合的方法进行特色提取和辨别，并利用获取的辨别结果与它们各自的置信度进行决议交融，并确定最后的人脸辨别结果。实验表示，能够有效提高人脸辨别性能和对各样应用环境的合用性。技术优势人脸辨别较之于其余生物辨别技术，在社会公共安全领域的应用，拥有更明显的优势。第一是其自然性，该辨别技术同人类（甚至其余生物）进行个体辨别时所利用的生物特色相同。比如脸部辨别，人类也是经过察看比较人脸区分并确认身份的，此外拥有自然性的辨别还有语音辨别、体形辨别等，而指纹辨别、虹膜辨别等都不拥有自然性，因为人类或许其余生物其实不经过此类生物特色差别个体。其次是其不被觉察性，不被觉察关于一种辨别方法也很重要，这会使该辨别方法不令人讨厌，并且因为不简单惹起人的注意而不简单被欺诈。人脸辨别拥有这方面的特色，它完好利用可见光获取人脸图像信息，而不一样于指纹辨别或许虹膜辨别，需要利用电子压力传感器收集指纹，或许近距离收集虹膜图像，这些特别的收集方式很简单被人觉察，从而更有可能被假装欺诈。这一特色特别合用于逃犯追踪系统。再则是其非接触性和独一性，使其更为合适运用于公安刑侦系统，门禁考勤系统，网络应用系统等。应用远景目前生物辨别技术已宽泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域。比如，一位储户走进了银行，他既没带银行卡，也没有回想密码就径直提款，当他在提款机上提款时，一台摄像机对该用户的眼睛扫描，而后快速而正确地达成了用户身份判定，办理完业务。这是美国德克萨斯州联合银行的一个营业部中发生的一个真切的镜头。而该营业部所使用的正是现代生物辨别技术中的“虹膜辨别系统”。此外，美国“9.11”事件后，反恐惧活动已成为各国政府的共鸣，增强机场的安全防务十分重要。美国维萨格公司的脸像辨别技术在美国的两家机场大显身手，它能在拥堵的人群中挑出某一张面孔，判断他能否是通缉犯。跟着技术的进一步成熟和社会认可度的提高，人脸辨别技术将应用在更多的领域。1、公司、住所安全和管理。如人脸辨别门禁考勤系统，人脸识别防盗门等。2、电子护照及身份证。这也许是将来规模最大的应用，国际民航组织（ICAO）已确立，从2010年起，其118个成员国家和地区，一定使用机读护照，人脸辨别技术是首推辨别模式，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实行。3、公安、司法和刑侦。如利用人脸辨别系统和网络，在全国范围内搜捕逃犯。4、自助服务。如银行的自动提款机，假如用户卡片和密码被盗，就会被他人冒取现金。假如同时应用人脸辨别就会防止这种状况的发生。5、信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易所有在网上达成，电子政务中的好多审批流程也都搬到了网上。而目前，交易或许审批的受权都是靠密码来实现，假如密码被盗，就没法保证安全。可是使用生物特色，就能够做到当事人在网上的数字身份和真切身份一致，从而大大增添电子商务和电子政务系统的靠谱性。人脸辨别家产的发展这些年来我国经济发展日异月新，政府各部门对利用新技术解决要点问题热忱支持。人脸辨别技术宽泛应用到电子护照、生物特色身份证、银行系统、公安系统、电子商务、电子政务等系统中，不只能够提高社会运转的效率，也能够大大增强公民平时生活的安全性。这将是一件功在今世利在千秋的好事。发展人脸辨别技术离不开标准化工作。目古人脸辨别标准化工作在公安部一所、电子技术标准研究所和中科院自动化所的倡议下，正在踊跃进行。这个工作不单为规范国内技术产品供给标准化规范，也将为中国技术进入国际供给平台。目前，人脸辨别技术的应用还没有做到“普及”，可是不行否定，它已经在开始影响我们的生活。经过一批专家学者不倦的努力，我国的人脸辨别技术已经不落伍于发达国家。与此同时，市场对靠谱的人脸辨别技术的需求也愈来愈急迫。一旦人脸辨别得以推行，发展远景将不行**。届时，人脸辨别技术自己的发展和应用成效还将有更大的提高，那将为我们的生活带来更多的便利和安全。人脸辨别产品选购安装需注意的事项因为生物辨别产品遇到外界要素的影响比较大，因此在选购、安装等事项上也需要注意好多问题，而人脸辨别产品受环境影响更大则更应当做许多的考虑。那么在详细的选购安装中要注意的事项有：第一，该人脸辨别产品在逆光下的检测结果能否理想。第二，注意该产品数据库的模板成立能否达到要求。理想状况下数据库的模板数目是越多越好，自然在选择的时候只需能达到自己的容量大小就能够了；此外，对最小像素点的要求也需考虑，如双眼要达到100个像素点则比较不错。第三，对产品收集图像的最小角度的要求可否达到自己的预期。若不可以达到自己满意的角度则能够不考虑。除此以外，眼镜关于辨别率的影响也应当列当选购范围内，如收集图片的时候双目会不会被眼镜遮挡，若被收集者佩带较粗的镜框，则有影响辨别偏差的可能性。还有一个比较重要的要素是，该产品能否拥有活体检测功能，关于眼睛的张开和封闭、眼球的运动等能否会影响到产品的辨别偏差。安装的时候需要双向的联合考虑，安装摄像机不可以太高，还要考虑软件能适应多少容量，补光状况如何，对光芒下的辨别率影响状况如何，能否受偏光的影响较大等，都是需要安装的时候去仔细考虑的问题。以上这些都是检测人脸辨别产品利害的一些标准，希望能给工程商和用户供给一些选购安装的依照。篇三：浅谈人脸辨别技术发展浅谈人脸辨别技术发展【纲要】人脸辨别因为其宽泛的应用，此刻业已成为多个学科领域的研究热点之一。本文综述了人脸辨别理论的观点，并对人脸辨别技术的发展历程做了简单的回首，议论了此中的要点技术，要点议论了鉴于几何特色、模型和统计的方法，从而对人脸辨别技术此后的发展方向提出我的一些展望。【要点词】人脸辨别技术模式辨别前言人脸辨别是近来几年来模式辨别、图像办理、机器视觉、神经网络以及认知科学等领域研究的热点课题之一，被宽泛应用于公共安全（犯人辨别等）、安全考证系统、信誉卡考证、医学、档案管理、视频会议、人机交互系统等各个方面。综合文件剖析，广义上而言，所谓“人脸辨别

(FaceRecognition)

”的研究范围十分宽泛，大概能够被分为以下

4个方面的内容

[1]

：(1)人脸鉴识(FaceIdentification，狭义的“人脸辨别”)：马上待识其余人脸与数据库中的已知人脸比较，得出有关信息。(2)人脸检测(FaceDetection)：即从各样不一样的场景中检测出人脸的存在并确立其地点。(3)表情/姿态剖析(Expression/GestureAnalysis)：即对待辨他人脸的表情或姿态信息进行剖析，并对其加以归类。(4)生理分类(PhysicalClassification)：即对待辨他人脸的生理特色进行剖析，得出其年纪、性别等有关信息。在本文中，我们主要商讨狭义的人脸辨别，即人脸鉴其余有关研究成就。人脸辨别发展历程人脸识其余工程应用始于20世纪60年月，经过50多年的研究，大概能够分为以下三个阶段：第一阶段是主要解决了人脸辨别所需要的面部特色。这一阶段的研究以Bertillon、Allen和Parke为代表。在Bertillon的系统中，用一个简单的语句与数据库中某一张脸相联系，同时与指纹剖析相联合，供给了一个较强的辨别系统。而Allen则设计了一种有效的摹写手段[2]，并在后来由Parke用计算机实现[3]。但是不论是哪一种方式，该阶段的辨别过程仍旧所有依靠于操作人员，需要很多人为干涉，没法实现自感人脸辨别。第二阶段是人机交互式辨别阶段。研究人员用数学模型描绘人脸图像中的五官长度等主要几何特色，并经过欧氏距离进行相像性胸怀。Harmon和Lesk利用多维特色矢量表示人脸面部特色，并设计了鉴于这一特色表示法的辨别系统。[4]后来，Kaya、Kobayashi和T.Kanad也分别采纳了各样不一样的方式，对几何特征计算进行了研究[5][6]。可是，该方法依靠于操作员的知识，仍没法挣脱人的干涉。第三阶段是真切的机器自动辨别阶段。该阶段人脸辨别技术有了重要打破，好多经典算法接踵出现，如特色脸、子空间方法、弹性图般配法、鉴于统计外观模型和神经网络的人脸辨别等。同时，也出现好多用于算法性能测试的公然人脸库，如ORL人脸库、YaleB人脸库、FERET人脸库等。常用的人脸辨别方法一个全自感人脸辨别系一致般包含三个要点技术：人脸检测、特色提取和人脸辨别。依据方式的不一样，人脸辨别方法分为鉴于几何特色的方法、鉴于模型的方法、鉴于统计的方法、鉴于神经网络的方法和多分类器集成方法。此中，鉴于几何特色、模型和统计的方法最为常有。鉴于几何特色的方法文件中记录最早的人脸辨别方法就是Bledsoe提出的鉴于几何特色的方法，该方法以面部特色点之间的距离和比率作为特色，经过近来邻方法来辨他人脸。鉴于几何特色的方法特别直观，识别速度快，内存要求较少，提取的特色在必定程度上对光照变化不太敏感。[7]可是，当人脸具有必定的表情或许姿态变化时，特色提取不精准，并且因为忽视了整个图像的好多细节信息，辨别率较低，所以近来几年来已经极少有新的发展。鉴于模型的方法鉴于模型的方法也是人脸识其余重要形式，此中最广为使用的是隐马尔可夫模型。它是一种鉴于整体的或然率统计方法。关于一幅正面的人脸来说，马尔可夫的“状态”包含前额、眼睛、鼻子、嘴巴和下巴，这些状态以相同的次序从上到下出现。这样，能够把人脸图像和隐马尔可夫模型联合起来，这些脸上的特色地区被指定为状态。[8]其余模型还包含主动形状模型和主动表象模型等。鉴于统计的方法鉴于统计的三种人脸辨别方法包含特色脸、Fisher脸和奇怪值分解。使用特色脸进行人脸识其余方法第一由SirovichandKirby提出，并由MatthewTurk和AlexPentland用于人脸分类。这些特色向量是从高维矢量空间的人脸图像的协方差矩阵计算而来，而该方法被以为是第一种有效的人脸辨别方法。[9]Fisher脸法由RonaldFisher发明，其所鉴于的LDA理论和特色脸里用到的PCA有相像之处，都是对原有数据进行整体降维映照到低维空间的方法。[10]而奇怪值分解法，就是经过取奇怪值分解中前面较大的奇怪值对应的特色向量，提拿出图像中由光照、表情、姿势等噪声对应的高