方法 | 要求 | 优点 | 缺点 |
基于几何特征GFA | 寻找人脸不会改变的特征 或属性 | 方法简单, 识别速度快 | 对图像质量、光照、 背景要求高 |
基于代数特征 (主成分分析法PCA) | 将人脸图像看成以像素点灰度为 元素的矩阵,选择一定距离的 函数进行识别 | 原理简单, 识别效果好 | 受光照、旋转、 背景影响大,准确率不高 |
弹性图匹配法 EGM | 用特征描述面部关键局特征点的 局部特征,并采用这些特征的 连接关系属性图描述人脸结构 | 在一定程度上容忍人脸从 三维到二维投影引起的变形 | 识别速度慢,计算量大 |
基于连接机制 (神经网络ANN) | 基于神经网络技术进行人脸 特征提取和识别 | 通过大量简单神经元互联, 识别效果好,尤其是正面 人脸图像 | 训练过程复杂,对多姿态的人脸图像容错率较低 |
基于三维数据 | 采集人脸三维形状信息, 从中提取人脸面部特征 | 是人脸识别发展的新思路 | 信息提取困难,需要大量 数据存储和计算量 |
隐马尔可夫模型法HMM | 使用马尔可夫链模拟信号统计 特性的一组统计模型 | 稳定性好,对姿态和环境的 变化具有较好的鲁棒性 | 可能出现目标函数和预测目标函数不匹配等问题 |