現(xiàn)在一些小區(qū)出入不用門禁卡了，出入全靠
人臉識別；銀行也開通了刷臉取現(xiàn)金，省去了拿卡，輸入密碼等；有的餐廳搞活動，刷臉吃飯，由機(jī)器打分，顏值高的免單。在火車站、汽車站、高鐵站、機(jī)場等公共場所，人臉識別應(yīng)用也越來越多。那么人臉識別有哪些技術(shù)呢？
主流的人臉識別技術(shù)基本上可以歸結(jié)為三類，即：基于幾何特征的方法、基于模板的方法和基于模型的方法。
1. 基于幾何特征的方法是最早、最傳統(tǒng)的方法，通常需要和其他算法結(jié)合才能有比較好的效果；
2. 基于模板的方法可以分為基于相關(guān)匹配的方法、特征臉方法、線性判別分析方法、奇異值分解方法、神經(jīng)網(wǎng)絡(luò)方法、動態(tài)連接匹配方法等。
3. 基于模型的方法則有基于隱馬爾柯夫模型，主動形狀模型和主動外觀模型的方法等。
除了以上幾種方法，
人臉識別還有其它若干思路和方法，包括一下一些：
1） 隱馬爾可夫模型方法（Hidden Markov Model）
2） Gabor 小波變換+圖形匹配
（1）精確抽取面部特征點(diǎn)以及基于Gabor引擎的匹配算法，具有較好的準(zhǔn)確性，能夠排除由于面部姿態(tài)、表情、發(fā)型、眼鏡、照明環(huán)境等帶來的變化。
（2）Gabor濾波器將Gaussian網(wǎng)絡(luò)函數(shù)限制為一個平面波的形狀，并且在濾波器設(shè)計(jì)中有優(yōu)先方位和頻率的選擇，表現(xiàn)為對線條邊緣反應(yīng)敏感。
（3）但該算法的識別速度很慢，只適合于錄象資料的回放識別，對于現(xiàn)場的適應(yīng)性很差。
3） 人臉等密度線分析匹配方法
（1） 多重模板匹配方法
該方法是在庫中存貯若干標(biāo)準(zhǔn)面像模板或面像器官模板，在進(jìn)行比對時，將采樣面像所有象素與庫中所有模板采用歸一化相關(guān)量度量進(jìn)行匹配。
（2） 線性判別分析方法（Linear Discriminant Analysis，LDA）
（3）本征臉法
本征臉法將圖像看做矩陣 ,計(jì)算本征值和對應(yīng)的本征向量作為代數(shù)特征進(jìn)行識別 ,具有無需提取眼嘴鼻等幾何特征的優(yōu)點(diǎn) ,但在單樣本時識別率不高 ,且在人臉模式數(shù)較大時計(jì)算量大
（4） 特定人臉子空間(FSS)算法
該技術(shù)來源于但在本質(zhì)上區(qū)別于傳統(tǒng)的"特征臉"人臉識別方法。"特征臉"方法中所有人共有一個人臉子空間，而該方法則為每一個體人臉建立一個該個體對象所私有的人臉子空間，從而不但能夠更好的描述不同個體人臉之間的差異性，而且最大可能地?cái)P棄了對識別不利的類內(nèi)差異性和噪聲，因而比傳統(tǒng)的"特征臉?biāo)惴?具有更好的判別能力。另外，針對每個待識別個體只有單一訓(xùn)練樣本的人臉識別問題，提出了一種基于單一樣本生成多個訓(xùn)練樣本的技術(shù)，從而使得需要多個訓(xùn)練樣本的個體人臉子空間方法可以適用于單訓(xùn)練樣本人臉識別問題。
（5）奇異值分解(singular value decomposition,簡稱SVD)
是一種有效的代數(shù)特征提取方法.由于奇異值特征在描述圖像時是穩(wěn)定的,且具有轉(zhuǎn)置不變性、旋轉(zhuǎn)不變性、位移不變性、鏡像變換不變性等重要性質(zhì),因此奇異值特征可以作為圖像的一種有效的代數(shù)特征描述。奇異值分解技術(shù)已經(jīng)在圖像數(shù)據(jù)壓縮、信號處理和模式分析中得到了廣泛應(yīng)用.
