 |
 |
 |
局部特征分析（LFA）是一种用局部特征表示的类似于搭建积木统计的技术， 基于所有的人脸都可由很多简化的结构单元块综合而成。LFA使用32到50个单元块区域来辨别一个人脸，选用的最通常的点包括鼻子、眼睛、嘴巴和特定的骨骼曲率差，如脸颊。这些单元块是使用复杂的统计技术而形成的，它们代表了整个人脸，通常跨越多个像素并代表了普遍的脸部形状，但并不是通常意义上的脸部特征。要确定一个人脸不仅仅取决于特性单元块，还决定于它们的几何结构(如形状和相关位置)。 通过这种方式，LFA将人脸的特性对应为一种复杂的数字表达式，就可以进行人脸识别了。
LFA人脸识别系统：图中5点分别对应可接受区域:嘴巴、鼻子、眉毛、下颚轮廓和颧骨。
用动态边缘分析方法获得的脸形信息能减少不同光线环境的影响，而肤纹信息提供了标准化的人脸特征的细节。将脸形和肤纹两种信息组合再用局部特征分析（LFA）算法来比较、统计脸部的173个特征点，不论登记和识别人脸时是在何种光线环境下，我们的人脸识别算法都能得到一个很高识别率，可以在百万人中精确地辨认出一个人。
