人脸识别、姿态识别问题处理步骤

——-本文是参考王守佳先生的博士论文《基于图像的人体监测跟踪和人脸识别的研究》而写的笔记。

对于模式识别问题，首先是必须对视频图像进行预处理，滤除杂波后，开始识别的步骤。目前人脸识别中光照预处理方法常用的有直方图均衡化（
Histogram Equalization，HE）、Gamma 校正。局部对比度增强算法( Local Contrast Enhancement,LCE、离散余弦变换
(Discrete Cosine Transform, DCT)以及高斯差分滤波算法（
Difference of Gaussian filter，DOG等。

第一步是前景分割，相关的算法在上一个博客中罗列了出来。
http://blog.csdn.net/qq_19764963/article/details/51198627

第二步是人体的识别，一般的思路是对运动前景进行特征提取，接着训练强分类器，利用分类器对之前提取的特征进行分类识别。常用的特征包括肤色颜色特征和人形轮廓特征。以下罗列常见的人体轮廓特征识别方法：
2.1 整体特征识别，常用提取轮廓特征的方法包括：HOG特征，edgelet特征，小波特征，shapelet特征；
2.2组合部位的识别，通过人体不同部位的识别组合，判断前景是否为人体，常用的方法包括：贝叶斯推断组合分类法，隐式模型法，自适应组合分类法；
2.3多相机识别，通过多角度的到的图片综合判断识别，方法有 cluster boosted tree

第三步是目标跟踪，主要有几种思路：
3.1基于区域的运动物体跟踪， 方法有
Joint Probabilistic Data Association Filter
3.2基于网格的运动物体跟踪
3.3基于变形模板的运动物体跟踪
3.4基于小波的运动物体跟踪
3.5基于模型的运动物体跟踪
3.6基于轮廓的运动物体跟踪
3.7基于特征的运动物体跟踪
另外，粒子滤波和卡尔曼滤波也有不错的效果。