怎樣判斷人類一張臉與另一張臉的相似度

鄧亞峰深度學習 計算機視覺 人臉識別 視頻大數據確定兩張臉的相似性，分為如下幾個步驟：1，人臉檢測，找到圖像中人臉所在的位置，經典方法為haar+adaboost；2，臉部特徵點定位，包括眼球中心點，還可以進一步包括臉頰等輪廓特徵點，經典方法包括基於haar+adaboost的眼睛定位，和asm等alignment方法等；3，人臉幾何歸一化，根據臉部特徵點位置從圖像中得到歸一化的人臉區域圖像，這一步主要是使得不同人臉上的像素對應的人臉位置一致，這樣才有可比性，這個步驟可以看作是一個對圖像進行仿射變化的過程；4，人臉光照歸一化，主要目的是克服不同光照對人臉的影響，提高演算法對光照條件的魯棒性，預處理方法很多，自商，或者DOG等方法效果較好；5，人臉表示（特徵提取），比如gabor特徵和上述的lbp特徵，常常會對多種特徵進行融合；6，鑒別特徵提取，就是將高維的人臉特徵映射到分類能力更強的低維特徵，成熟的思路是PCA+LDA的方法；7，計算兩個臉得到的鑒別特徵之間的距離，作為相似度衡量，距離最經典的是cos距離；編輯於2011-08-26

知乎用戶相似度本身相對好算，無非特徵向量間的歐氏馬氏距離等；難的的是怎麼取特徵（要考慮不同數據集的差異，增加廣譜適應性），甚至包括如何在取特徵之前，更好的定位、（姿態、光照等）歸一化；演算法不是一朝夕的，甚至不是簡單跟蹤最新論文，還得有實戰應用數據集作基礎........發佈於 2011-05-12

知乎用戶現在人臉識別中比較有效的特徵是LBP(local binary pattern)發佈於 2011-08-24
推薦閱讀：