人脸识别技术的基本方法是什么？宁夏车牌识别系统厂家告诉你们，脸部识别技术中广泛应用的区域特征分析算法，它是将计算机图像处理和生物统计学相结合的一种方法，通过计算机图像处理技术从视频中提取出人的特征点，并利用生物统计学原理建立数学模型，即人脸特征模板。通过建立的人脸特征模板，对受测者的面部特征进行特征分析，并根据分析结果给出相应的相似值。通过这个值即可确定是否为同一人。

主要的人脸识别方法有：

(1)几何特征的人脸识别方法:几何特征可以是眼睛、鼻子、嘴巴等的形状，以及它们之间的几何关系(如相互距离)。这种算法识别速度快，所需内存少，但是识别率低。

(2)基于特征脸(PCA)的人脸识别方法:特征脸是基于KL变换的人脸识别方法，KL变换是图像压缩的.佳正交换。通过KL变换，获得一组新的正交基群，使其保持其中重要的正交基团，使之成为低维线性空间。若假定人脸在低维线性空间的投影为可分性，则可将其作为特征向量进行识别，这就是特征面法的基本思想。该方法要求训练样本较多，且完全基于图像灰度的统计特征。目前有一些改进型的特征脸方法。

(3)神经网络的人脸识别方法：神经网络输入可由低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等等。这种方法同样需要训练大量的样本，但在很多应用中，样本数非常有限。

(4)基于弹性图像匹配的人脸识别方法：弹性图像匹配法定义了一个2D空间内具有一定不变性的人脸变形距离，并使用属性拓扑图表示人脸，其中任何一个顶点都包含一特征向量，用于记录人脸在该顶点附近的信息。该方法结合了灰度特性和几何因素，允许图像在比较时有弹性变形，在克服表情变化对识别的影响方面取得了良好的效果。同时，个人不再需要多个样本来训练。

(5)线段Hausdorff距离的人脸识别方法：心理学研究显示，人在识别轮廓的速度和..度方面，根本不比灰度图识别得更差。LHD是基于从人脸灰度图像中提取的线段图，确定了两个线段集合之间的距离，而LHD并不建立各个线段间的一一对应关系，所以LHD可以更好地适应线段图之间的细微变化。研究结果表明，LHD对不同光照条件和不同姿态条件下的识别效果很好，但LHD对大表情的识别效果不佳。

(6)支持向量机的人脸识别方法:支持向量机是统计模式识别领域的新热点，试图在经验风险和泛化能力上妥协学习机，从而提高学习机的性能。支持向量机主要解决2分类问题，其基本思想是将低维线性不可分割问题转化为高维线性可分割问题。常规实验结果表明，SVM虽然识别率较高，但需要大量的训练样本，在实际应用中常常是不现实的。并且SVM训练时间长，方法实现复杂，对函数的选择没有统一的理论。

人脸识别的方法很多，宁夏车牌识别系统的小编在以上的内容中跟大家分享的是主要的人脸识别方法，希望对您有所帮助，有什么问题随时联系我们。