t-sne降维
人脸检测定位——边缘检测——分类
1.A Contour based Procedure for Face Detection and Tracking from Video(2016)
识别+跟踪，仅是识别有人脸，但是没有判别
①Robert边缘检测
②高斯滤波去噪
③移动的边缘提取->跟踪
④根据四个角点画框
⑤根据标量和矢量的移动跟踪人脸
2.A New Face Mesh Model based on Edge Attractor and Nonlinear Global Topological Constraints(2016)
脸部mesh
①用FFPD（face feature point detection）
②脸部mesh初始化，基于眼睛、嘴巴
③局部算子（边缘吸引子）+基于全局拓扑约束的自适应算法——定位特征点
③迭代算法使其最优（边缘的局部模式+全局形状限制）
④流程：人脸检测（faceCART）—ROI提取—眼睛和嘴巴检测—脸部网格初始化—最优化人脸网格（迭代最优化）
⑤最优化脸部mesh（边缘吸引子+非线性全局约束）：
i.脸部mesh的特征点应该与脸部特征的边缘相近
ii.脸部mesh的全局形状应该稳定
iii.特征点的偏移不应该比相邻点的偏移偏离太多
3.An Efficient Scheme for Face Detection Based on Contours and Feature Skin Recognition（2015）
静态场景中，背景复杂的多人脸识别，基于肤色+轮廓+特征提取（但是不涉及人脸识别，只是证明有人）
①基于HSV进行肤色判断
②Haar-like特征分类器（利用积分图）
4.A New Face Recognition Method Based on the Energy Image of Facial Contour（2013）
基于人脸轮廓的能量图像
①利用人脸边缘，计算训练集能量图像
②计算测试样本和能量图像之间相似度
③测试样本根据最大相似度分类
④利用图像结构信息
Q：为什么分类之后就可以实现识别
5.Face detection and Eyes extraction using Sobel Edge Detection and Morphological Operations（2016 ）
脸部检测+眼睛识别——sobel+形态学
①边缘检测+形态学提取脸部区域
②Conditioned dilated image 将脸部变白，背景为黑色
③根据形态学腐蚀，实现眼睛去提取
6.Face Detection Based on Adaboost and Face Contour in E-learning（2013）
将人脸轮廓与adaboost相结合
①用soble提取边缘
②用adaboost进行分类，实现检测
7.Edge based Mean LBP for Valence Facial Expression Detection(2015)
edge+mean LBP（平均局部二值模式）
①sobel提取特征
②μ-LBP特征
③μ-LBP特征图划分成4×4的子区域
④连接μ-LBP直方图
⑤用SVM进行特征分类，分为积极表情/消极表情
8.Real-time Facial Expression Recognition Based on Adaptive Canny Operator Edge Detection(2010)
改进sobel+AAM提取
①图像标准化+人脸定位（肤色/结构模型）
②adaptive canny算子的边缘检测（边缘检测后，用非极大值抑制+双边阈值）
在canny边缘检测中，非极大值抑制用于在初略检测出边缘后，利用边缘梯度的方向和幅值，对检出边缘作进一步精细化操作，将幅度的局部极大值认为是边缘，可以认为使得边缘变得更 “细”。
③AAM表情提取
④最小二乘法的表情识别
9.基于Adaboost算法的多角度人脸检测（2004）
①Harr提取特征并构造弱分类器
②用Adaboost建立多分类器级联的检测器
③将多角度人脸分为三类，并为不同角度人脸建立检测器
先用分类级联器取到脸部区域，然后做肤色判定且二值化，这时候脸部区域为1的像素密度很高，而非面部的像素密度较低，然后再用形态学函数做OPEN运算或者腐蚀就可以了。
都在OPENCV里有现成的函数
10.基于全局和局部特征集成的人脸识别
图像较小的，人脸图像较远距离的和图像分辨率低的，基于特征的检测方法效果差，因为人脸图像受光照、噪声、姿态影响大
如果是视频人脸检测，使用基于图像的人脸检测会好很多
可以用边缘直方图、外部轮廓,