【正文】 能干的人，不在情緒上計(jì)較，只在做事上認(rèn)真；無能的人！不在做事上認(rèn)真，只在情緒上計(jì)較。 Mian, . An expression deformation approach to nonrigid 3D face recognition[J]. International Journal of Computer Vision, 2009, v81, n3, 302~316[11] Hochul Shin, SeongDae Kim, HaeChul Choi. Generalized elastic graph matching for face recognition[J]. Pattern Recognition Letters, 2007, v28, n9, 1077~1082寧可累死在路上，也不能閑死在家里！寧可去碰壁，也不能面壁。 Koschan, A.。 Jingu Heo。小結(jié)對(duì)一般方法的掌握程度對(duì)特定問題的理解程度應(yīng)用中需要更多的關(guān)注：傳感器的選擇，比如什么樣的攝像機(jī)？預(yù)處理：如何去除各種干擾因素？特征表示問題：什么是本質(zhì)的類別特征？為了解決某一應(yīng)用問題，選擇什么樣的數(shù)據(jù)訓(xùn)練分類器？參考文獻(xiàn)[1] Weihua Wang, WeiFu Wang. A GrayScale Face Recognition Approach[J]. 2008 Second International Symposium on Intelligent Information Technology Application, 2008, 395~398[2] Zhiming Liu, Chengjun Liu. A Hybrid Color and Frequency Features Method For Face Recognition[J]. IEEE Transactions on Image Processing, 2008, v17, n10, 1975~1980[3] JiannShu Lee, KaiYang Huang, ShoTsung Kao, SengFong Lin. Face Recognition by Integrating Chin Outline[J]. 2008 Fourth International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIHMSP), 2008, 567~571[4] , , , . Expression and illumination invariant preprocessing technique for face recognition[J]. 2008 International Conference on Computer Engineering amp。目標(biāo)不同：模式識(shí)別研究的是有了特定屬性數(shù)據(jù)之后如何設(shè)計(jì)“對(duì)所有可能的情況”最優(yōu)的分類器，而應(yīng)用上卻要考慮“為了解決某個(gè)特定識(shí)別問題”如何去選擇數(shù)據(jù)？只為了識(shí)別中國(guó)人，需要把外國(guó)人的數(shù)據(jù)拿來訓(xùn)練嗎？為了識(shí)別正楷文字，需要把行書也拿來訓(xùn)練嗎？但是，在理論上卻有另一個(gè)問題…關(guān)于泛化能力對(duì)于沒有訓(xùn)練學(xué)習(xí)過的模式樣本的識(shí)別能力。在實(shí)踐中驗(yàn)證PR，在理論上回報(bào)PR：驗(yàn)證PR中的基本原理和技術(shù)方法，發(fā)現(xiàn)其可能的問題并修改之。對(duì)于姿態(tài)的影響，可以利用彈性圖匹配的方法，跟蹤面部關(guān)鍵特征點(diǎn)的變化，估計(jì)姿態(tài)參數(shù)；或使用3D變形模型來匹配面部表情的變化。很多識(shí)別算法都是對(duì)光照條件、姿態(tài)等因素進(jìn)行約束化簡(jiǎn)。4. 受到環(huán)境和條件的約束：影響二維識(shí)別的不利因素在三維識(shí)別上同樣存在。該方法對(duì)光照和表情、姿態(tài)的變化均有較好的魯棒性?；谀Ｐ涂勺儏?shù)的方法使用將通用人臉模型的3D變形和基于距離映射的矩陣迭代最小相結(jié)合，去恢復(fù)頭部姿態(tài)和3D人臉。因此基于三維人臉模型的識(shí)別方法可以很好地解決目前在這一領(lǐng)域存在的研究瓶頸。 基于三維的方法把人臉當(dāng)作平面圖像來看待就是二維識(shí)別問題，將人臉用立體圖像來表示，就是三維識(shí)別問題[9][10]。視頻序列中人臉識(shí)別面臨如下挑戰(zhàn)：視頻圖像質(zhì)量較差、視頻圖像分辨率較低以及外界各種不確定因素的影響等。 基于視頻序列的方法相對(duì)于單個(gè)靜止圖像，視頻序列能提供更多的信息，如：同一人的大量圖像可供使用；可以根據(jù)運(yùn)動(dòng)變化估計(jì)3D人臉結(jié)構(gòu)；可以用于補(bǔ)償光照、姿態(tài)、表情等變化；視頻序列的時(shí)間連續(xù)性和識(shí)別對(duì)象身份的一致性為人臉識(shí)別提供信息；可以從低分辨率圖像恢復(fù)出高分辨率圖像；可以根據(jù)眼球的運(yùn)動(dòng)、姿態(tài)的變化等進(jìn)行身份識(shí)別以防止基于靜態(tài)圖像的欺騙等。文獻(xiàn)[11]使用了廣義彈性圖匹配的人臉識(shí)別方法，在適應(yīng)人臉的姿態(tài)及表情變化方面獲得了較好的實(shí)驗(yàn)效果。此外，可用一個(gè)能量函數(shù)來評(píng)價(jià)待識(shí)別人臉圖像向量場(chǎng)和庫(kù)中己知人臉向量場(chǎng)間的匹配度，即最小能量函數(shù)時(shí)的匹配。 彈性圖匹配方法彈性圖匹配法(Elastic Graph Matching)是一種基于動(dòng)態(tài)鏈接結(jié)構(gòu)(Dynamic Link Architecture，DLA)的方法。偽二維隱馬爾可夫模型(P2DHMM)是1DHMM的一種擴(kuò)展。Samaria等人首先將一維隱馬爾可夫模型(1DHMM)用于人臉識(shí)別，并對(duì)不同狀態(tài)數(shù)模型的識(shí)別性能進(jìn)行了詳細(xì)比較和分析。 隱馬爾可夫模型方法利用隱馬爾可夫模型(Hidden Markov Model，HMM)，將人臉圖像按某種順序劃分為若干塊，對(duì)各塊進(jìn)行KL變換，選取前若干變換系數(shù)作為觀測(cè)向量訓(xùn)練HMM。通過學(xué)習(xí)獲得其他方法難以獲得的關(guān)于人臉識(shí)別規(guī)律和規(guī)則的隱性表達(dá)。常用的神經(jīng)網(wǎng)絡(luò)有BP（反向傳播）網(wǎng)絡(luò)、自組織網(wǎng)絡(luò)、卷積網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)。即是對(duì)這個(gè)人臉子區(qū)域的坐標(biāo)進(jìn)行降維，使得每個(gè)人臉圖像可以用很少幾個(gè)參數(shù)來表示，這就降低了計(jì)算復(fù)雜度。文獻(xiàn)[3]使用人臉部下巴的輪廓曲線來輔助檢測(cè)人臉特征，然后使用Gabor小波變換(GWT)進(jìn)行人臉識(shí)別，獲得了較理想的實(shí)驗(yàn)結(jié)果。流程大體如下：首先檢測(cè)出面部特征點(diǎn)，通過測(cè)量這些關(guān)鍵點(diǎn)之間的相對(duì)距離，得到描述每個(gè)臉的特征矢量，比如眼睛、鼻子和嘴的位置和寬度，眉毛的厚度和彎曲程度等，以及這些特征之間的關(guān)系。由于模板變形利用了特征區(qū)域的全局信息，因此可以較好地檢測(cè)出相應(yīng)的特征形狀。由于這種方法要求兩幅圖像上的目標(biāo)要有相同的尺度、取向和光照條件，所以預(yù)處理要做尺度歸一化和灰度歸一化的工作?；谌四樥w特征提取在計(jì)算量和計(jì)算時(shí)間上都多于局部特征提取，而且系統(tǒng)設(shè)計(jì)也相對(duì)復(fù)雜。特征提取方法歸納起來分為兩類：基于局部特征的提取方法和基于整體特征的提取方法。文獻(xiàn)[2]使用傅立葉變換得到人臉圖片的頻域信息，通過選取適當(dāng)?shù)恼谏w模板，提取其中的頻譜信息來描述人臉的特征。通過分別對(duì)灰度圖像各行和各列中的像素灰度值進(jìn)行求和，獲得水平方向與垂直方向的灰度均值輪廓，以此來描述人臉特征。不同的光照下臉部色彩復(fù)雜。其中統(tǒng)計(jì)特征和灰度特征是在人臉定位和特征提取過程中常用到的兩類特征：a) 統(tǒng)計(jì)特征統(tǒng)計(jì)特征即用統(tǒng)計(jì)的方法對(duì)目標(biāo)對(duì)象的膚色