全文总字数：9500字
特征脸与Fisherfaces：使用类特定线性投影的人脸识别方法
Peter N. Belhumeur,Joao P. Hespanha和David J. Kriegman
摘要 - 我们开发了一种对光照方向和面部表情变化不敏感的人脸识别算法。 采用模式分类的方法，我们将图像中的每个像素视为高维空间中的坐标。 我们利用这样的观察，即如果面部是没有阴影的朗伯表面，那么在变化的照明但固定的姿势下，特定人脸的图像位于高维图像空间的3D线性子空间中。 然而，由于人脸不是真正的朗伯表面，并且确实会产生自遮蔽，所以图像将偏离这个线性子空间。 我们不是对这个偏差进行明确的建模，而是将图像线性地投影到一个子空间中，使得这些面积偏差较大的区域折扣。 我们的投影方法是基于Fisher的线性判别式，即使在照明和面部表情的严重变化的情况下，也能在低维子空间中产生良好分离的类别。 特征脸技术是基于将图像空间线性投影到低维子空间的另一种方法，具有类似的计算要求。 然而，广泛的实验结果表明，所提出的“Fisherface”方法在哈佛和耶鲁脸部数据库上的误差率比用于测试的特征脸方法的误差率要低。
索引术语 - 基于外观的视觉，人脸识别，照度不变性，Fisher线性判别。
1引言
在过去的几年中，已经提出了许多算法用于人脸识别; 详细调查见[1]，[2]。 尽管在照明，面部表情和姿势的微小变化下识别脸部方面已经取得了很大进展，但是在更加极端的变化下用于识别的可靠技术已经被证明是难以捉摸的。
在本文中，我们概述了一种新的人脸识别方法 - 一种对照明和面部表情的大变化不敏感的方法。 请注意，照明变化不仅包括强度，还包括光源的方向和数量。 从图1中可以明显看出，当光源从不同方向照射人脸时，同一个人具有相同的面部表情，并且从相同的角度看，可以看起来显著不同。 也参见图4。
我们的人脸识别方法利用了两个观察：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
