人脸识别算法有哪些？

一直以来，人脸识别都是大家的关注焦点之一。因此针对大家的兴趣点所在，小编将为大家带来人脸识别的相关介绍，详细内容请看下文。

一、人脸识别

人脸识别系统的研究始于20世纪60年代，80年代后随着计算机技术和光学成像技术的发展得到提高，而真正进入初级的应用阶段则在90年后期，并且以美国、德国和日本的技术实现为主;人脸识别系统成功的关键在于是否拥有尖端的核心算法，并使识别结果具有实用化的识别率和识别速度;“人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。

传统的人脸识别技术主要是基于可见光图像的人脸识别，这也是人们熟悉的识别方式，已有30多年的研发历史。但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，无法满足实际系统的需要。解决光照问题的方案有三维图像人脸识别，和热成像人脸识别。但这两种技术还远不成熟，识别效果不尽人意。

迅速发展起来的一种解决方案是基于主动近红外图像的多光源人脸识别技术。它可以克服光线变化的影响，已经取得了卓越的识别性能，在精度、稳定性和速度方面的整体系统性能超过三维图像人脸识别。这项技术在近两三年发展迅速，使人脸识别技术逐渐走向实用化。

人脸与人体的其它生物特征(指纹、虹膜等)一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：

非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”;

非接触性：用户不需要和设备直接接触就能获取人脸图像;

并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别;

除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。

二、人脸识别的算法有哪些

人脸识别算法现在已经广泛应用于各个领域，如安防、商业、医疗等。人脸识别算法可以分为传统人脸识别算法和深度学习人脸识别算法。

传统人脸识别算法包括以下几种：

1. 特征提取算法：该算法通过提取人脸的关键特征，如眼睛、鼻子、嘴巴等部位的坐标、轮廓、颜色等信息，进行人脸识别。该算法主要包括几何结构的描述子、局部纹理模式和局部二值模式等。

2. 统计模型算法：该算法利用统计模型，如高斯混合模型、主成分分析、线性判别分析等，来对人脸特征进行建模，并通过样本训练来识别人脸。

3. 图像变换算法：该算法主要通过对人脸图像进行一系列的变换来提取特征，如积分图像、小波变换、旋转不变LBP等。

深度学习人脸识别算法中，主要包括以下几种：

1. 卷积神经网络(CNN)算法：因为CNN深度学习算法可以有效提取人脸特征，因此被广泛应用于人脸识别领域。该算法通过训练具有多层神经网络的卷积神经网络，从而获得对人脸特征的高度抽象表示，从而进行人脸识别。

2. 深度置信网络(DBN)算法：该算法也被广泛使用于人脸识别领域。类似于CNN算法，DBN算法也是通过对神经网络进行训练，从而学习到对人脸特征进行高度抽象表示的方式。

3. 集成学习算法：该算法是将多种不同的深度学习算法结合起来进行人脸识别，从而提高人脸识别准确率的一种算法。 综上所述，不同的人脸识别算法有不同的优缺点，选择合适的算法需要考虑数据量、计算资源、精度等多个方面的因素。

一般按机理分类人脸识别的算法有以下：

1.基于人脸特征点的识别算法(feature-based recognition algorithms)。

2.基于整幅人脸图像的识别算法(appearance-based recognition algorithms)。

3.基于模板的识别算法(template-based recognition algorithms)。

4.利用神经网络进行识别的算法(recognition algorithms using neural network)。

5.利用支持向量机进行识别的算法(recognition algorithms using SVM)

最后，小编诚心感谢大家的阅读。你们的每一次阅读，对小编来说都是莫大的鼓励和鼓舞。希望大家对人脸识别已经具备了初步的认识，最后的最后，祝大家有个精彩的一天。