denke ich, das erste, was Sie tun sollten, ist klar, dass die Algorithmen Sie in den verschiedenen Phasen der Gesichtserkennung verwendet werden, haben aufgelistet.
Zuerst müssen Sie sich für die Darstellung entscheiden, d. e. die zu verwendenden Funktionen. Dies können rohe Pixel, Gabor-Filter, einige Formdeskriptoren, deformierbare Modelle usw. sein.
Dann möchten Sie normalerweise die Dimensionalität Ihrer Features reduzieren. Hier kommen Algorithmen wie PCA, ICA oder LDA ins Spiel, die Datenpunkte in einen niederdimensionalen Raum projizieren, um den größten Teil der Varianz (PCA) zu erhalten oder die optimale Trennung von Punkten verschiedener Kategorien (LDA) zu gewährleisten.
Dann möchten Sie wahrscheinlich einen Klassifikator auf Ihre Funktionen trainieren, um zwischen den Gesichtern verschiedener Personen zu unterscheiden. Es gibt eine Fülle von Algorithmen zur Auswahl, z. B. der nächste Nachbar, Support Vector Machines, versteckte Markov-Modelle, Bayes-Netze etc.
Beachten Sie, dass die Wahl eines Algorithmus für eine bestimmte Stufe kann oder nicht abhängen auf den Algorithmen für andere Stufen. Zum Beispiel kann PCA verwendet werden, um die Dimensionalität fast jeder Art von Merkmalen zu reduzieren. Andererseits ist es nicht unmittelbar offensichtlich, wie man einen Unterstützungsvektormaschinen-Klassifizierer für Flächen verwenden kann, die durch ein verformbares Netz dargestellt werden.
Ich denke, das erste, was Sie versuchen sollten, ist, Ihr Problem sehr genau zu definieren. Möchten Sie zwischen den Gesichtern einiger weniger Personen unterscheiden, z. B. Ihre Familienmitglieder auf Fotos erkennen? Möchtest du Menschen aus einer riesigen Datenbank erkennen? Hast du viele Trainingsbilder für jedes Gesicht oder nur wenige? Möchten Sie unterschiedliche Orientierungen und Lichtverhältnisse handhaben?
Die Antworten auf diese Fragen bestimmen, wie kompliziert Ihr Problem ist, und werden sicherlich Ihre Wahl der Algorithmen beeinflussen.
EDIT: Hier ist ein thesis von jemandem, der versucht, ein ähnliches Problem zu lösen. Es ist von 2002, aber IMHO ist es ein guter Anfang.
+1 für das Thema, sehr interessant. –
Gemeinschaft Wiki ?? – Betamoo