基于小波变换的人脸局部特征描述方法

3.1.4.1　基于小波理论的人脸识别方法

基于小波理论的人脸识别方法在时频局部性能方面颇具优势，得到了业内人士的广泛认可，现已成为业内接受度非常高的一种信号分析处理方法。这是因为，人们总是习惯于将人脸识别寄托在人类视觉系统机理的基础之上，究其原因，小波变换由一组不同的带通滤波器先对信号进行滤波，然后对信号进行分解，并将其匹配到相应的频带之上再展开分析处理，这种做法在理论上和人类视觉系统的多通道滤波模型是完全相同的[110]。再者，在对数尺度之下，小波滤波器的频带度是完全均匀的，这和人类视觉通道完全相同。鉴于此，这种全新的方法现已被广泛运用于人脸识别领域。

此种方法中用基于小波变换的特征来描述人脸的局部信息，与视网膜对图像的影响机理基本相同。该方法对于细微的面部表情不仅不敏感，而且还将面部的局部细节纳入考量；它充分考虑了面部空间信息的合理性，可以保存最佳的特征信息。西方发达国家在这方面展开了大量的探讨，硕果累累[111]。(www.xing528.com)

3.1.4.2　基于支持向量机的人脸识别方法

基于支持向量机的人脸识别方法发展于统计学习理论的基础之上，其创始人是Vladimirn.Vapnik。他充分运用最佳分割超平面法来完成模式的分类识别工作，此法尤其适用于小样本、高维数的模式识别。实践证明，该法的识别效率高于本征脸法，现已发展成模式识别的最理想的选择。即便是传统的模式识别法，也能从中找到相应的作用机制。可见，人脸识别的各种方式和支持向量机技术的有机融合是一种必然的结果[112]。