基于几何特征的人脸识别方法：全面研究成果

人脸是由眼睛和鼻子等几部分组成的，此类部件在形状、大小、结构等方面各不相同，世界上根本不存在两张完全一模一样的面孔，由此构成了相貌各异的人脸。由此可见，可将此类部件的形状与结构关系方面的几何描述当作人脸识别的一个至关重要的特征。

使用几何特征来识别人脸，第一步就是要先构建一个几何特征矢量来表述人脸，再运用模试识别里的层次聚类思想设计分类器，从而准确无误地识别人脸。运用这种方法，矢量必须具备相应的独特特性，以便将不同人在面部特征上的细微差别准确地反映出来。也正是因为这种方法对脸部朝向的变化极其敏感，所以必须保留一定程度的弹性，以便将时间跨度与光线照射造成的影响彻底消除掉。其具体的识别流程为：先对面部关键点的彼此间的相对距离进行检测，求得描述每张面孔的特征矢量，如眼、鼻、嘴在整张脸上所处的位置等；再用此类特征的彼此间的关系来描述人脸。

第二步就是以人脸库内已知的人脸为基准，用未知脸孔的特征矢量展开对比，由此得出最理想的匹配。日常工作中使用最多的方法主要是灰度水平（垂直）投影等。正是因为将人脸器官的关键点展开再水平（垂直）投影之后会得到与之相对应的波峰（波谷），因此，可以用它来定位人脸的主要器官。该法操作相对简单，不过，所得结果的精度相对较低。(www.xing528.com)

对于图像处理而言，边缘检测是一种极具代表性的方式，它充分运用图像灰度上的改变将图像的特点很好地反映出来，以便对各个像素邻域分别进行检测，而且能够完成灰度变化率的量化工作；一般情况下，方向确定也涵盖在内。基于检测邻域与权值系数的差异可对边缘算子进行划分，具体划分成梯度边缘算子、Laplace 边缘算子、Roberts 边缘算子、Sobel 边缘算子、Prewit 边缘算子、Kirsch 边缘算子、Canny 边缘算子等[96]。而基于边缘的特征提取通常不把提取的边缘作为最终的结果，还要基于此展开进一步的处理，如充分运用各类先验知识与规律展开边缘连接、拟合等处理。对于边缘连接，通常要将物体的实际形状及其当前点的邻域状况全面纳入考虑的范畴；对于曲线拟合，必须使用分段线性与高阶样条曲线对此类点进行拟合处理，物体的拟合一般是用抛物线、椭圆等来进行的。在直线、圆的拟合过程中，Hough 变换的效果不错；鉴于此，人脸识别一般采用这种方式来检测眼球，继而实现眼睛的定位。Huang 等人充分运用动态模板和活动轮廓模型来提取人脸器官轮廓[97]。

总而言之，人脸的几何特点是直观性，它虽然非常简单，却易受多种因素的影响，如面部表情、照明、噪声等。假设人们的面部表情发生变化，这将给五官的轮廓、形态、位置的提取带来直接影响。据此可见，虽然该法的内存要求不多，但相比基于模板的方法而言，其识别更加迅速，不过，稳定性较差，至今尚未成功应用于实践操作中[98]。