在前面的几篇文章中，小编向大家陆续介绍了美颜sdk中人脸识别的基本逻辑流程，其实人脸识别的基本思想是比较类似的，都是要将图像中的特征点提取出来，转换到一个合适的子空间里，然后在这个子空间里衡量类似性或分类学习。但问题在于，对客观世界采用怎样协调统一且有成效的表示法？要找到怎样合适的子控件，怎样去分类，才能区分不同类，聚集相似的类别？为解决这些问题，衍生出了很多种方法和解决方案。

所以说，目前所说的人脸识别技术是笼统的，事实上，这是一个很多技术和方法的集合，如下：

一、预处理

人脸图像想的预处理，这一步没有太多可说的，主要包括消除噪声、灰度归一化、几何矫正等，这些操作一般有现成的算法可以实现，属于比较基本的操作。不过要说明的是，这里主要说的是静态人脸图像的预处理，如果是动态人脸图像的预处理，就比较复杂了，一般是要先将动态人脸图像分割成一组静态人脸图像，然后对人脸进行边缘检测和定位，再做一系列的处理，这里就不展开了。

二、特征提取

图像特征的提取是比较关键的一步，但对于图像处理来说也是比较初级的一步。目前关于图像特征提取的方法有很多，但其实我们想一想，通常而言图像的特征还是可以归类的，例如颜色特征、纹理特征、空间关系特征、形状特征等，每一种特征都有匹配的方法，其中有一些比较经典、好用的方法，例如HOG特征法，LBP特征法，Haar特征法等，由于文章长度的原因，小编就不一一介绍了。

三、图像识别

人脸识别技术经过科学家多年的研究和发展，已经形成了多种研究方向和更多种的研究方法，如果我们梳理一下，主要包括基于几何特征的方法、基于模板的方法、基于模型的方法以及其他方法。

基于几何特征的方法是比较早期、传统的方法了，它主要是研究人脸眼睛、鼻子等器官的形状和结构关系的几何描述，以此作为人脸识别的重要特征。

基于模板的方法基本思想是拿已有的模板和图像中同样大小的区域去比对，包括基于相关匹配的方法、特征脸方法、线性判别分析方法、神经网络方法等。

基于模型的方法的方向是对人脸的显著特征进行特征点定位，然后进行人脸的编码，再利用相应的模型进行处理实现人脸识别，例如隐马尔柯夫模型，主动形状模型和主动外观模型的方法等。

以上，就是美颜sdk中，关于人脸识别技术的主流方法。如果您对美颜sdk开发有需求，欢迎咨询官方客服。

声明：本文由美狐原创，未经允许禁止转载，谢谢合作。