简述几种人脸识别的主要方法：弹性1图匹配的人脸识别方法：弹性1图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。电梯人脸识别的核心特色采用基于改进的多任务级联卷积***网络的人脸检测技术，降低了对图片质量的要求，大幅提升了人脸的检测速度。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。支持向量机(SVM)的人脸识别方法：支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。人脸识别技术在领域的应用人脸识别广为人知并被广泛应用始于家居领域。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本(每类300个)，这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。专利公开趋势分析、专利地域分布分析、技术构成分析、竞争对手分析、申请人***申请趋势分析、专利申请类型分析和专利***状态分析等，由此获得电梯互联网人脸识别技术的发展情况，供相关单位借鉴参考。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。显示了近20年电梯互联网人脸识别技术专利公开趋势，如所示，本趋势显示了电梯互联网人脸识别技术的相关专利年申请量在2013年前都是比较少的)