直播美顏SDK的人臉識別技術進階知識

翻閱小編之前寫過的文章大家都能看到 ， 我曾經 多次 跟大家講起直播美顏 SDK 的人臉識別技術， 它的 基本邏輯和基礎知識 大家應該 都比較清楚了， 實際上 都是將影像特徵點提取 再轉移到 “子空間” 的一個過程 ， 最後再透過 子空間裡衡量相似性或者分類學習。 今天小編給大家講點深奧的進階知識，下文請大家耐心閱讀。

總所周知，人臉識別技術想要在客觀世界中協調並統一一個有效的表示方法並不是一件容易的事情，子空間的除錯與分類則更為困難。為了解決這兩個問題許多學者提供了各式各樣的方法，而這也是小編要講的主題，下文我們一起來探究一下吧。

整體而言，如今的人臉識別技術是一個比較籠統的概念，客觀上評判的話這實際上是一個很多技術與方法的集合，原因如下：

一、影像特徵提取

首先來說一下比較關鍵的一步，也是影像處理比較初級的一步，目前可以用在影像特徵提取的方式非常多，看似雜亂無章，但實際上可以分為很多類目，例如顏色特徵、形狀特徵，每一種特徵都有歸類的方法，其中最為方便的就是 HOG、LBP特徵法等，受限於篇幅問題，小編在這就不過多講解了。

二、 人臉影像 預處理

然後我們再來講一下之前講到過的 人臉影像的預處理， 這一步 最重要的節點就是消除噪聲、灰度歸一、幾何校正等，上述這些常用的 直播美顏 SDK 技術都有現成的演算法可以實現，可以說是比較基礎的操作。但是，這都是說的靜態人像影像的預處理，而不是動態人像，如果是動態的話就比較複雜了，常規操作是將動態人臉影像分割為一組靜態影像，最後再將人臉進行邊緣檢測以及定位等操作，詳細步驟小編可以放在以後文章講述。

三、幾何特徵、模板

人臉識別技術經過技術人員多年的研究已經有了許多新的方向，如今我們再來梳理一下，主要包括與基於幾個特徵、模板等，今天小編先來講一下幾何特徵和模板。

1、幾何特徵

幾何特徵的處理方法是比較傳統的，在早期的時候主要用於研究人臉五官的形狀的幾何表述。

2、模板

模板的處理方法比較好理解，就是拿自己既定的末班和目標影像中區域一致的地方做對比，涉及特徵臉、先行判斷分析、神經網路等方法。

以上，就是 直播美顏 SDK 中，關於人臉識別技術表示的主流方法。如果您對 直播美顏 SDK 技術感興趣，請關注我！