在用静态图像或视频图像做人脸识别的领域中，国际上主要有哪几类人脸识别方法

在用静态图像或视频图像做人脸识别的领域中，国际上主要有哪几类人脸识别方法

1）基于几何特征的人脸识别方法，主要代表是MIT的Brunelli和Poggio小组，他们采用改进的积分投影法提取出用欧氏距离表征的35维人脸特征矢量用于模式分类；
2）基于模板匹配的 人脸识别方法，主要代表是Harvard大学Smith-Kettlewell研究中心的Yuille，采用弹性模板来提取眼睛和嘴巴的轮廓，
3）基于K-L变换的特征脸方法，MIT媒体实验室的Pentland小组，在此基础上出现了各种改进方法，如Yale大学的belhumeur提出的Fisher脸方法；
4）隐马尔科夫模型方法，主要代表有Cambridge大学的Samaria小组和Georgia 技术研究所的Nefian小组；
5）神经网络识别方法，如Poggio小组提出的HyperBF神经网络识别方法，英国Sussex大学的Buxton和Howell小组提出的RBF网络识别方法等。国内的ColorReco主要采用的是神经网路识别的方法，人脸识别准确率已达到99.4%以上。
6）基于动态链接结构的弹性图匹配方法，主要研究者是由C。Von der Malsburg领导的德国Bochum大学和美国SouthernCalifornia大学的联合小组
7）利用运动和颜色信息对动态图像序列进行人脸识别方法，主要代表是Queen Mary和Westfield大学的ShaogangGong小组。

1.识别静态的整个人体较难；即使识别出来结果也不可靠，所以现在主要以手势/人脸识别为主；这是因为手和脸上面有比较独特的特征点。你说的滤波归根结底还是要找出具有灰度跳变的高频部分作为人体；这除非背景中除了人以外没有其他突出的物体；否则光凭滤波二值法检测人体是不太现实。 2 两张图片中人要是产生相对运动，检测起来就容易多了；利用帧间差分找到图像中灰度相差大的部分（你用的滤波也是一种手段）；然后二值化区域连通；要是图像中没有其他移动物体计算连通区域的变动方向就是人的运动方向。 你可以去pudn上搜搜相关的目标检测的代码;完全和你这个对应是不可能的。照你说的情况可以先建立起静态背景的模型（或者直接在没人的时候拍张）；然后不断的与这个背景做差，原理和帧间差分一样。建议你先从典型的帧间差分例程开始下手（比如移动车辆的检测，这个比较多）。 你在二值化之后加上一个区域连通的步骤；即使用膨胀或者闭运算；这样你的轮廓就是连续的了；用matlab的话bwlabel可以统计连通区域里面像素的个数也就是人体面积大小。质心就是横竖坐标的平均值；取所有人体点的横竖坐标分别累加；除以坐标总数得到的x和y平均值；这个就是质心了