之前的许多文章中，小编曾多次聊起过美颜SDK的人脸识别技术，基本逻辑和基础知识大家应该都比较清楚了，都是将图像特征点提取出来后再转移到“子空间”中，然后在子空间里衡量相似性或者分类学习的一个过程。这时候就有小伙伴们提问了，应该怎样在客观世界中协调并统一一个有效的表示方法呢？应该如何合适子空间与分类？为了解决这种问题，技术人员提供了许许多多的解决方法。而这也是今天小编要讲的主题，下文我们一起来探讨一下吧。
整体而言，如今的人脸识别技术是比较笼统的，客观上来看这实际上是一个很多技术与方法的集合，原因如下：
一、图像特征提取
首先来说一下比较关键的一步，也是图像处理比较初级的一步，目前可以用在图像特征提取的方式非常多，看似杂乱无章，但实际上可以分为很多类目，例如颜色特征、形状特征，每一种特征都有归类的方法，其中最为方便的就是HOG、LBP特征法等，受限于篇幅问题，小编在这就不过多讲解了。
二、预处理
人脸图像的预处理这一步之前也有讲到过，最重要的节点就是消除噪声、灰度归一、几何校正等，上述这些常用的美颜SDK技术都有现成的算法可以实现，可以说是比较基础的操作。但是，这都是说的静态人像图像的预处理，而不是动态人像，如果是动态的话就比较复杂了，常规操作是将动态人脸图像分割为一组静态图像，最后再将人脸进行边缘检测以及定位等操作，详细步骤小编可以放在以后文章讲述。
三、几何特征、模板
人脸识别技术经过技术人员多年的研究已经有了许多新的方向，如今我们再来梳理一下，主要包括与基于几个特征、模板等，今天小编先来讲一下几何特征和模板。
1、几何特征
几何特征的处理方法是比较传统的，在早期的时候主要用于研究人脸五官的形状的几何表述。
2、模板
模板的处理方法比较好理解，就是拿自己既定的末班和目标图像中区域一致的地方做对比，涉及特征脸、先行判断分析、神经网络等方法。
以上，就是美颜SDK中，关于人脸识别技术表示的主流方法。如果您对美颜SDK开发有需求，欢迎咨询美狐官方客服。
声明：本文由美狐原创，未经允许禁止转载，谢谢合作。
