10.30 讨论与结论

我们提出了一种可以适用于不同的姿势、光照和分辨率的新的人脸识别算法。在训练阶段，使用多维尺度的变换矩阵来学习整个图像。在变换空间中测试图像和训练图像间立体匹配的成本作为两个图像之间的距离，以用于计算识别效果。我们还提出了一种基于参考的人脸识别算法，减少了计算量，但是所提方法的计算时间要比其他的方法高。在未来的工作中，我们会探讨近期的快速和高效的立体匹配算法[43] ，这样可以潜在地减少所提方法在计算上所需的时间。值得一提的是，所提方法的主要优点是不需要任何基准测试中的标记位置，而所有在表 1 中提到的其他方法要求在测试时在低分辨率图像中标记基准位置，这是一个具有挑战的任务。在多个数据库，如 Multi-PIE数据库、SC 人脸数据库、MBGC 数据库以及 Choke-PoInt 数据库的实验结果显示，当测试图像分辨率非常低，并且包含多样的姿势和光照条件时，所提方法都能获得非常好的识别性能。