自动人脸识别基本原理
这篇讲的是人脸识别近40年来的核心算法演进。作者开篇就点明，这个领域融合了计算机视觉、机器学习等多学科知识，算法难以统一分，通常根据输入数据分为基于静态图像和视频图像两大类。 文章重点对比了三类经典的静态图像识别算法。特征脸方法通过主成分分析将人脸投影到一个低维子空间进行匹配，思路直观，但得到的特征在区分不同类别时未必最优。弹性图匹配则更进一步，它用图结构表示人脸，节点编码局部纹理，边记录几何关系，这种方法对光照和姿态变化有一定鲁棒性，但计算代价过高影响了实用。3D形态模型则另辟蹊径，尝试用三维模型参数来描述人脸的形状和纹理，从而更好地处理姿势和光照变化。 针对视频人脸识别，文章梳理了三个发展阶段。早期方法本质是“跟踪后识别”，利用多帧投票来提高稳定性。随后发展出融合声音、步态等信息的多模态系统。最新的方向则是同时在空间和时间维度上建模，直接利用视频中连续的动态特征进行识别。文章也坦诚地指出了视频场景下面临的图像质量低、人脸尺寸小等严峻挑战，这为后续研究指明了方向。
