بازشناسي چهره در يك جمله بدين صورت تعريف مي شود: اخذ تصوير چهره و شناسايي آن با توجه به نمونه‌هايي كه قبلاً به سيستم آموزش داده شده است. تحقيقات در زمينه بازشناسي چهره داراي قدمتي در حدود نيم قرن مي باشد. هر ساله تعداد مقالات علمي كه در اين زمينه منتشر مي شود، افزايش يافته و هر يك سعي در ارائه روشي بادرصد صحت كلاسه بندي بالاتر دارند. از آنجا كه اين موضوع با رشته هاي علمي فراواني ارتباط دارد، محققين با ديدگاهها و انگيزه هاي گوناگون، از جمله روانشناسان، متخصصان در زمينه‌هاي بازشناسي الگو، شبكه هاي عصبي، بينايي ماشين و … به آن علاقه فراوان نشان مي دهند.
مطالعات ابتدايي دراين زمينه مربوط به كارهاي روانشناسان دردهه 1950 ميلادي است. تحقيقات فني و مهندسي در اين باب يك دهه بعد، آغاز شد. اما ايده بازشناسي خودكار چهره توسط ماشين در دهه 1970 ميلادي توسط كاناده[1] و كلي[2] مطرح گرديد [53]. در سالهاي نخست تحقيقات صورت گرفته با استفاده از تصاوير دوبعدي بوده است. اخيراً با پيشرفت تكنولوژي امكان تصويربرداري سه بعدي نيز فراهم شده و زمينه تحقيقات گسترده اي را گشوده شده است.
به طور كلي روشهاي بازشناسي چهره را مي توان به سه دسته تقسيم نمود:
الف) روشهاي مبتني بر ويژگيهاي محلي
در اين روشها عناصر محلي مانندچشم، دهان، بيني و … استخراج شده، خواص هندسي و موقعيت آنها نسبت به يكديگر به عنوان ويژگي به سيستم شناسايي اعمال مي شود [54].
ب) روشهاي كل نگر
در اين دست از متدها از اطلاعات كل تصوير چهره استفاده مي شود. براي استخراج ويژگيهاي تفكيك كننده چهره افراد مختلف، تكنيكهاي آماري به كار برده مي شوند. برخي از معروفترين و كارآمدترين اين روشها به قرار ذيل مي باشند:
- روش آناليز مولفه هاي اساسي[3] [56 و 55]
- روش آناليز مؤلفه هاي مستقل[4] [57 و 55]
- روش آناليز تفكيك كننده خطي[5] [58 و 55]
ج) روشهاي هيبريد
اين روشها بيشترين شباهت را به سيستم ادراك انساني داشته و به شكل تركيبي از دو روش پيشين مي باشند. نتايج تحقيقات عملكرد بهتر اين روش نسبت به دو روش قبل را نشان داده است [59].
[1] – Kanade
[2] – Kelly
[3]– Principal Component Analysis
[4] – Independent Component Analysis
[5]– Linear Discriminate Component Analysis