基于多尺度分析的变化光照下人脸识别研究的中期报告该研究旨在探索基于多尺度分析的变化光照下人脸识别方法。在中期研究阶段，我们已经完成了以下工作：1.数据集准备：我们选择了几种光照变化情况下的人脸数据集，包括LFW和FERET等，以便于我们进行实验和测试。2.多尺度特征提取：针对不同尺度的人脸图像，我们使用了不同的特征提取方法，包括LBP、HOG等。然后，我们将这些特征进行融合，以提高人脸识别的准确性。3.光照归一化：由于光照变化可能会导致人脸图像的亮度和对比度发生改变，我们使用了多种光照归一化方法，以便于人脸数据的预处理。4.人脸识别模型训练：我们使用了几种常见的分类器，包括SVM和KNN等，以训练我们的人脸识别模型。其中，我们使用了交叉验证等方法，以提高模型的性能。在接下来的研究中，我们将进一步探究：1.更加深入的光照归一化方法研究。2.基于深度学习的多尺度特征提取方法的研究。3.同时考虑表情和光照变化的人脸识别方法研究。我们相信，这些工作将有助于提高变化光照下人脸识别的准确性和普适性。