商汤人脸识别实验总结和收获
在一幅人脸图像中，人脸的变化有六个自由度，即分别沿x，y，z轴的平移，以及绕x，y，z轴的旋转。

人脸姿态的变化便是源于人脸绕y，z轴的旋转，这类变化导致人脸某些部分变得不可见，给人脸的正确识别造成很大的阻碍。

在基于姿态不变性的人脸识别中，我们着重考虑人脸识别功能对人脸姿态的鲁棒性，所以不考虑光照条件的变化、表情的变化及脸部的遮挡（如眼镜）等。

训练数据包含每个人不同姿态的图像，查询图像则可以为任一人的任一姿态，对此，相关研究人员已做大量的努力，其中不乏一些优秀的算法与思想，通过相关阅读总结如下。

基于姿态不变性的人脸识别的一些方法基于神经网络基于描述子基于距离测度基于子空间基于概率模型基于学习的
方法模型法模型法基于模型的方法常规图库法图库扩展法识别方法MRFD3对于姿态不变性的方法有很多，首先按图库分类，可分为图库扩展法（图库内一人多张各姿态图像）和常规图库法（图库内一人一张图像）。

而在常规图库的基础上，按训练样本分，又可以分为三类，即无训练样本，训练样本单张和训练样本为多张这三种。

其中各种训练样本情况下各有不同具体的方法，笔者对所看过的论文，根据作者们的方法及思路做出如下的归类。

图库扩展法最初研究者们为解决姿态问题，采用直接对人脸正面图像进行扩展的系统，如[1][2]。

这种方法思路很简单，最为容易被人所想到，它需要图库集中含有每个人各种不同姿态的多张图像，然后就跟正面的人脸识别一样进行识别。

这在实际应用中不容易实现，
而且占用大量内存空间也是它的一个缺点。

所以，后来基本上没有人往增加图库内容这个方向去研究了。

基于模型的方法这种方法基本思想是利用人脸的几何模型或结构来表示人脸结构和形状特征，并通过提取某些特征在模型和图像之间建立起对应的关系，具体常用方法有3D模型法，MRF模型法等。

2.1.13D模型法
综合比较目前常用的几种人脸识别方法，通过分析可以看出，每种方法都有各自优缺点，应根据具体的识别任务和条件选择合适的识别方法。

由于人脸识别的复杂性，仅单独使用任何一种现有的方法一般都不会取得很好的识别效果，将各种人脸识别方法组合是今后研究的一种趋势。

而如何有效地与基于其它生物特征识别方法结合来提高识别效率也是一个重要的研究方向。

目前，人脸识别技术已经从理论走向了实用，在特殊场合已经得到了广泛应用，但是限制其应用的最主要难题是：人脸姿态、光照变化、表情变化所导致的识别效果不理想。

对于姿态的变化，采用通用3D模型和形变模型的方法是目前较好的选择；对于光照变化，熵图像是处理光照变化的一个有效方法，结合图像变形技术可以更好地处理光照和姿态的变化；对于表情变化，采用同一个体和不同个体的图像进行弹性变形的概率模型方法获得了较好的识别效果，也可以采用3D模型和形变模型进行识别。

而随着真三维获取技术的发展，人脸识别技术有望取得突破性的进展并得到广泛的应用。