人脸识别翼闸基于统计特征的人脸识别方法

人脸识别翼闸基于统计特征的人脸识别方法

人脸识别翼闸基于统计特征的人脸识别方法，这种方法相比于几何特征的人脸识别方法，此方法考虑到了消除外界环境干扰可能对人脸识别造成的负面影响。此方法的识别原理是先对被对比图像进行分析，寻找一种特定的方式将被对比图像分解至以像素点为较小单位，再将所有像素点映射至另外的投影空间。通过寻找两个投影空间之间域变换的规律，来判断被比对图像和比对图像之间的相似度。

目前，基于统计特征的人脸识别方法主要有如下三种：主成分分析方法、独立分量分分析以及线性鉴别分析方法。其中，主成分分析方法算法可以将原来的高分辨率图像，进行线性降维，通过降维后的人脸识别，达到相比于不降维人脸识别更快的识别速度，提高总体识别效率，但要求图像中的人脸必须为全部正面面容;独立分量分析算法相比于PCA算法更注重对人脸面部一-些非主要器官的局部细节进行分析，可以给出更加准确的识别匹配率，但由于算法计算量是非常巨大的，导致算法计算分析时间过长，无法满足大部分对识别时间有要求的（如过闸旅客用户群体）条件需求:线性鉴别分析方法算法的核心是找到一个函数，使得被比对图像在此函数方向的投影后的样本空间离散度达到峰值。

人脸识别翼闸基于这种方法计算，整体来说准确度高，不容易出现识别错误的现象，同时也存在一定的不足，就是计算时间没有那么快，所以一般用于审核比较严格的进出场所，出入境口岸，这些地方审核非常严格，精度要求也高，那么这种方式是非常合适的。