不同的技术实现“相同”的人脸识别（二）

不同的技术实现“相同”的人脸识别（二）

人脸识别看上去就是凑近，然后唰的一下就打开了，但其实人脸识别你每次用到的都不一定是同一个技术。

1、内核方法：PCA

主成分分析（PCA）是一种具有许多实际应用的通用统计方法。当在人脸识别过程中使用时，PCA 旨在减少源数据的大小，同时保留最相关的信息。

它生成一组加权特征向量，这些特征向量依次构建特征脸——大量不同的人脸图像。特征脸的线性组合代表训练集中的每个图像。 PCA 用于从训练图像集的协方差矩阵中接收这些特征向量。对于每张图像，计算其主要成分（从 5 到 200）。

2、卷积神经网络(CNN)

卷积神经网络(CNN)是人工神经网络(ANN)在AI业界近些年发展有很多突破，它是深度学习（DL）中最常用的算法之一。

DL是机器学习（ML）的子集，DL模型学习直接对图像、视频、文本或声音执行分类任务，该模型在CV、NLP和最大的图像分类数据集(Image Net)等领域都取得了较为重大的成果。CNN具有卷积层和池层，每一层都要学会检测不同的成像特征。

3、内核方法：SVM

支持向量机 (SVM) 是一种机器学习算法，它使用两组分类原则来区分人脸和“非人脸”。对于每个类别，SVM 模型都会接收一个标记的训练数据集来对新的测试数据进行分类。研究人员将线性和非线性 SVM 训练模型应用于人脸识别。

这些技术你都了解了吗？返回搜狐，查看更多

责任编辑：