问如何在不使用CNN等神经网络的情况下进行人脸识别？

EN

目前，基于神经网络的方法是目前最先进的方法。它比下面描述的方法更好，但本着回答问题的精神，在这里.

不使用CNN的诀窍是找到一个很好的图像表示，上面有脸。CNN是很棒的，因为它们学到了好的特性。如果您不想使用它，您可以使用can，也可以使用真面作为您的特性。

主要假设是大多数人脸图像位于由最大方差的第一k (k<d)方向确定的低维子空间上。

您可以使用PCA来确定跨越该子空间的向量或“特征面”u1, ... ,uk。

然后，可以将数据集中的所有人脸图像表示为特征脸的线性组合。

例如，给定这些用于培训的图像：

您可以了解以下特征：

这些特征脸突出了一个人脸上的不同特征。如果你平均每个人，你会发现一个刻薄的脸，这将是最常见的特点，在所有的人在你的培训集。

然后，这张脸：

可以通过平均脸和其他特征面的线性组合来重建：

现在，每个组件的权重可以用作分类算法的特征。这一点可以是任何东西，比如KNN或SVM。