特征脸与 Fisherfaces ︰ 使用类特定线性投影识别

特征脸与 Fisherfaces ︰ 使用类特定线性投影识别(中文5000字,英文PDF)
摘要：我们开发的是对照明方向和面部表情的较大变化不敏感的人脸识别算法。我们使用模式分类方法将图像中的每个像素当做是高维空间中的坐标。在高维图像空间的一个3D线性子空间中，观察固定姿势的特定人脸在不同光照条件下的变化。假设这张脸是一个没有阴影的朗伯表面。然而，由于人脸不是真正的朗伯体表面并且还会产生自我阴影，因此图像会偏离这个线性子空间。我们以一种削弱较大偏差人脸区域的方式将图像呈现到一个子空间，而不是直接的的建立偏差模型。项目所用的方法是基于Fisher的线性判别，并且得到了在低维空间中分类好的类，甚至是在光照和表情变化剧烈的条件下。特征脸技术是另一种基于将图像空间线性投影到一个低维子空间的方法，有类似的计算要求。然而，大量在Harvard和Yale人脸库上的实验结果表明Fisherface算法比特征脸算法的错误率低。