人臉由眼睛、鼻子、嘴巴、下巴等構(gòu)件組成，正因?yàn)檫@些構(gòu)件的形狀、大小和結(jié)構(gòu)上的各種差異才使得世界上每個(gè)人臉千差萬別，因此對(duì)這些構(gòu)件的形狀和結(jié)構(gòu)關(guān)系的幾何描述，可以做為人臉識(shí)別技術(shù)的重要特征。幾何特征最早是用于人臉側(cè)面輪廓的描述與識(shí)別，首先根據(jù)側(cè)面輪廓曲線確定若干顯著點(diǎn)，并由這些顯著點(diǎn)導(dǎo)出一組用于識(shí)別的特征度量如距離、角度等。由正面灰度圖中線附近的積分投影模擬側(cè)面輪廓圖是一種很有新意的方法。采用幾何特征進(jìn)行正面人臉識(shí)別一般是通過提取人眼、口、鼻等重要特征點(diǎn)的位置和眼睛等重要器官的幾何形狀作為分類特征,但幾何特征提取的精確性實(shí)驗(yàn)性的研究表明，結(jié)果不容樂觀。
可變形模板法可以視為幾何特征方法的一種改進(jìn)，其基本思想是:設(shè)計(jì)一個(gè)參數(shù)可調(diào)的器官模型(即可變形模板),定義一個(gè)能量函數(shù)，通過調(diào)整模型參數(shù)使能量函數(shù)最小化，此時(shí)的模型參數(shù)即做為該器官的幾何特征。這種方法思想很好，但是存在兩個(gè)問題，一是能量函數(shù)中各種代價(jià)的加權(quán)系數(shù)只能由經(jīng)驗(yàn)確定，難以推廣，二是能量函數(shù)優(yōu)化過程十分耗時(shí)，難以實(shí)際應(yīng)用。 基于參數(shù)的人臉表示可以實(shí)現(xiàn)對(duì)人臉顯著特征的一個(gè)高效描述，但它需要大量的前處理和精細(xì)的參數(shù)選擇。同時(shí)，采用一般幾何特征只描述了部件的基本形狀與結(jié)構(gòu)關(guān)系，忽略了局部細(xì)微特征，造成部分信息的丟失，更適合于做粗分類，而且目前已有的特征點(diǎn)檢測(cè)技術(shù)在精確率上還遠(yuǎn)不能滿足要求，計(jì)算量也較大。
人臉識(shí)別技術(shù)研究證明任何的特殊人臉都可以通過稱為eigenpictures的坐標(biāo)系統(tǒng)來表示。Eigenpictures是面部集合的平均協(xié)方差的本征函數(shù)。研究開發(fā)了一種近實(shí)時(shí)的計(jì)算機(jī)系統(tǒng)，可以定位和追蹤人的頭部，然后通過比較面部特征和已知個(gè)體的特征來識(shí)別該人。該方法將面部識(shí)別問題視為二維識(shí)別問題。識(shí)別的過程是把一副新的圖像投影到特征臉子空間，該特征空間捕捉到已知面部圖像之間的顯著變化。重要特征稱為特征臉，因?yàn)樗鼈兪敲婕奶卣飨蛄俊Ｑ芯繉?duì)不同的圖形紋理進(jìn)行比較，并提出了用來描述圖像紋理特征的LBP算子。研究提出了一種理論上非常簡單而有效的灰度和旋轉(zhuǎn)不變紋理分類方法，該方法基于局部二值模式和樣本和原型分布的非參數(shù)判別。該方法具有灰度變化穩(wěn)健、計(jì)算簡單的特點(diǎn)。研究找到一種特征組合方式，以達(dá)到最大的類間離散度和最小的類內(nèi)離散度。解決方式為：在低維表示下，相同的類應(yīng)該緊緊的聚在一起，而不同的類別盡量距離越遠(yuǎn)。研究基于Fisher的線性判別進(jìn)行面部投影，能夠在低維子空間中產(chǎn)生良好分離的類，即使在光照和面部表情的變化較大情況下也是如此。廣泛的實(shí)驗(yàn)結(jié)果表明，所提出的“Fisherface”方法的誤差率低于哈佛和耶魯人臉數(shù)據(jù)庫測(cè)試的特征臉技術(shù)。
