人臉識別的基本思想是比較類似的，都是要將圖像中的特征提取出來，轉(zhuǎn)換到一個(gè)合適的子空間里，然后在這個(gè)子空間里衡量類似性或分類學(xué)習(xí)。但問題在于，對客觀世界采用怎樣協(xié)調(diào)統(tǒng)一且有成效的表示法？我們要找到怎樣合適的子空間，怎樣去分類，才能區(qū)分不同類，聚集相似的類別？為解決這些問題，衍生出了很多種方法和解決方案。

所以說，我們所說的人臉識別技術(shù)是籠統(tǒng)的，事實(shí)上，這是一個(gè)很多技術(shù)和方法的集合。我們不妨依據(jù)上面的邏輯結(jié)構(gòu)圖來逐步說明。

預(yù)處理

人臉圖像的預(yù)處理，這一步?jīng)]有太多可說的，主要包括消除噪聲、灰度歸一化、幾何校正等，這些操作一般有現(xiàn)成的算法可以實(shí)現(xiàn)，屬于比較基本的操作。不過要說明的是，這里主要說的是靜態(tài)人臉圖像的預(yù)處理，如果是動態(tài)人臉圖像的預(yù)處理，就比較復(fù)雜了，一般是要先將動態(tài)人臉圖像分割成一組靜態(tài)人臉圖像，然后對人臉進(jìn)行邊緣檢測和定位，在做一系列的處理，這里就不展開了。

特征提取

圖像特征的提取是比較關(guān)鍵的一步（上文所說的模式空間向特征空間的跨越），但對于圖像處理來說也是比較初級的一步。目前關(guān)于圖像特征提取的方法有很多，但其實(shí)我們想一想，通常而言圖像的特征還是可以歸類的，例如顏色特征、紋理特征、空間關(guān)系特征、形狀特征等，每一種特征都有匹配的方法，其中有一些比較經(jīng)典、好用的方法，例如HOG特征法，LBP特征法，Haar特征法等，這里就不一一講解，所以選取了其中一種——HOG特征法。

HOG特征也叫方向梯度直方圖，它是由Navneet Dalal和Bill Triggs在2005年的一篇博士論文中提出的。我們簡單來看它是怎么進(jìn)行的。

我們以這張照片為例，第一步是要將它變成黑白的照片，因?yàn)樯?a target="_blank">信息在這里對識別并沒有幫助。

在這張黑白照片中，我們從單個(gè)像素看起，觀察它周圍的像素，看它是往哪個(gè)方向逐漸變暗的，然后用箭頭表示這個(gè)像素變暗的方向。

如果對每個(gè)像素執(zhí)行這樣的操作，這樣所有像素都會被這樣的箭頭取代，它們表示了像素明暗變化的方向。每一個(gè)這樣的箭頭表示明暗梯度。

事實(shí)上，對于每一個(gè)像素，給定坐標(biāo)系，我們能夠求出它的梯度方向值。計(jì)算的方法比較復(fù)雜，我們不需要了解，只需要知道這一步是為了捕獲目標(biāo)的輪廓信息，同時(shí)進(jìn)一步弱化光照的干擾。

如果是以這樣的方式做提取的話，計(jì)算量會很大。所以我們會把圖像分割成8x8像素的小方塊，叫做一個(gè)Cell，然后對每個(gè)Cell計(jì)算梯度信息，包括梯度的大小和方向。得到的是這個(gè)Cell的9維特征向量。

相信到這里大家有些不懂了。在這里再為小伙伴們稍微解釋一下，其實(shí)這一步的目的是為每個(gè)Cell構(gòu)建梯度方向直方圖，直方圖就是我們大家熟知的條形統(tǒng)計(jì)圖，這個(gè)直方圖中，X軸是將方向劃分的區(qū)間，Navneet Dalal等人研究表示劃分9個(gè)區(qū)間效果是最好的，如果是180°的方向，每個(gè)區(qū)間就代表20°。y軸表示某個(gè)方向區(qū)間內(nèi)的梯度大小。這樣就等于是每個(gè)Cell的特征描述符。

圖片來源：加州大學(xué)舊金山分校圖像處理論文

大致就是這個(gè)意思。

這里還有一步，就是如果你的圖像受到光照的影響比較大，那么還可以將一定的Cell組成一個(gè)block，例如2x2個(gè)Cell，這樣每個(gè)block上就是36維的特征向量，然后對這36維特征向量做規(guī)范化（具體怎樣規(guī)范，涉及到高等數(shù)學(xué)的知識，大家也不需要知道）。

如果我們輸入的圖像大小是256x512像素，那么就有32x64=2048個(gè)Cell，有31x63=1953個(gè)block，每個(gè)block有36維向量，那么這個(gè)圖像就有1953x36=70308維向量。這70308維向量就是這個(gè)圖像的HOG特征向量了。

當(dāng)然，上面這些步驟你也可都不了解，你只需要知道，最后原始的圖像被表示成了HOG的形式，如下圖：

然后根據(jù)這個(gè)HOG形式，在我們的庫中找到與已知的一些HOG樣式中，看起來最相似的部分。

圖像識別

人臉識別技術(shù)經(jīng)過科學(xué)家多年的研究和發(fā)展，已經(jīng)形成了多種研究方向和更多種的研究方法，如果我們梳理一下，主要包括基于幾何特征的方法、基于模板的方法、基于模型的方法以及其他方法。

基于幾何特征的方法是比較早期、傳統(tǒng)的方法了，它主要是研究人臉眼睛、鼻子等器官的形狀和結(jié)構(gòu)關(guān)系的幾何描述，以此作為人臉識別的重要特征。

基于模板的方法基本思想是拿已有的模板和圖像中同樣大小的區(qū)域去比對，包括基于相關(guān)匹配的方法、特征臉方法、線性判別分析方法、神經(jīng)網(wǎng)絡(luò)方法等。

基于模型的方法的方向是對人臉的顯著特征進(jìn)行特征點(diǎn)定位，然后進(jìn)行人臉的編碼，再利用相應(yīng)的模型進(jìn)行處理實(shí)現(xiàn)人臉識別，例如隱馬爾柯夫模型，主動形狀模型和主動外觀模型的方法等。