本節書摘來自異步社群《人臉識别原理及算法——動态人臉識别系統研究》一書中的第5章5.4節利用局部特征識别人臉圖像，作者 沈理 , 劉翼光 , 熊志勇,更多章節内容可以通路雲栖社群“異步社群”公衆号檢視。
5.4 利用局部特征識别人臉圖像
人臉識别原理及算法——動态人臉識别系統研究
如同可對整幅人臉圖像進行pca分析，得到全幅圖像的主成分，并用于人臉圖像的識别一樣，也可利用局部特征的主成分進行人臉圖像的識别。p. penev[52]認為，pca方法是一種全局分析技術，不能提取樣本集合的拓撲結構資訊以及每個像素點處的局部資訊，是以如果利用局部特征進行識别，就可以人為地利用樣本集合的拓撲結構，得到樣本的局部結構資訊。
而且，局部特征具有抗幹擾能力強的特點，例如圖像全局特征可能會出現較大變化，但在某一局部區域可能變化很小。這時利用全幅圖像的特征向量空間進行識别有可能識别不出，而利用局部特征的特征向量空間進行識别往往能夠識别。圖5-20所示為利用局部特征識别人臉圖像，其中圖5-20（a）為庫中圖像（取自umist人臉圖像庫，共有20幅），圖5-20（b）為待識别人臉圖像，兩者整體上相差較大，但右眼區域變化相對較小。
識别時，首先利用全局特征向量進行識别，實驗結果表明，不能正确識别；然後利用局部特征眼睛向量空間進行識别，實驗結果表明，能夠正确識别。
為了進一步考察局部特征的識别能力，進行了如下兩組實驗。
實驗5.28：使用局部特征對深度旋轉人臉圖像的識别。
① 所用訓練樣本圖像以及待識圖像均取自umist的人臉圖像庫，訓練樣本為20幅正面人臉圖像，如圖5-20（a）所示；待識人臉圖像為20幅深度旋轉人臉圖像，旋轉角度為45°，如圖5-20（b）所示。
② 識别過程為：分别利用全局特征向量空間、局部右眼特征向量空間、局部鼻子特征空間、嘴部特征空間進行識别。識别結果見表5-6第二列。
實驗5.29：使用局部特征對正面人臉圖像的識别。
① 所用訓練樣本圖像以及待識圖像均取自feret的人臉圖像庫，共取自99個不同的人臉，每個人提供兩幅正面圖像，隻是表情稍微有些變化，分别标記為fa、fb，如圖5-16和圖5.18所示；訓練樣本為99幅fa圖像，待識人臉圖像為99幅fb圖像。
② 識别過程為：分别利用全局特征向量空間，局部左、右眼特征向量空間，局部鼻子特征空間，嘴部特征空間進行識别。識别結果見表5-6第三列。
注： 實驗5.28中由于待識圖像的左眼區域不可見，是以不用于識别
由表5-6可見，僅使用局部特征也能夠進行識别，且對于圖像深度旋轉、部分缺失等情況，相對于全局特征向量識别，其優越性更加明顯；同時利用局部特征進行識别，還不受圖像背景以及圖像偏移的影響。本書第6章将利用局部特征的這一特性，得到人臉圖像的雙屬性圖表示。
本文僅用于學習和交流目的，不代表異步社群觀點。非商業轉載請注明作譯者、出處，并保留本文的原始連結。