1.项目介绍在本项目中，我们实现了对人脸图片数据的三种处理：人脸互换（faceswap）、人脸融合（facemorph）以及基于特征向量的人脸处理（eigenface）。

简要：EigenFace是基于PCA降维的人脸识别算法，PCA是使整体数据降维后的方差最大，没有考虑降维后类间的变化。它是将图像每一个像素当作一维特征，然后用SVM或其它机器学习算法进行训练。

一、特征脸特征脸EigenFace从思想上其实挺简单。就相当于把人脸从像素空间变换到另一个空间，在另一个空间中做相似性的计算。

图片高频信息和低频信息CSDNReference图像的低频是指物体的大致概貌和轮廓，而高频是图像中的噪声和物体的细节人脸识别经典算法经典人脸识别算法小结——EigenFace,FisherFace&LBPH

本文主要介绍cv2模块中EigenFace（特征脸），EigenFace可用来实现人脸识别。

上篇进行了人脸的检测，现在进行人脸的识别，采用OpenCV的face320模块里的EigenFace算法。

本文实现基于eigenface的人脸检测与识别。

简要：EigenFace是基于PCA降维的人脸识别算法，PCA是使整体数据降维后的方差最大，没有考虑降维后类间的变化。它是将图像每一个像素当作一维特征，然后用SVM或其它机器学习算法进行训练。

opencv人脸识别主要有3种算法1EigenFace，大题思路是用PCA对人脸进行降维，在比较距离2FisherFace，基于LDA降维3LBPH利用局部二值模式直方图的人脸识别算法具体步骤：一、人脸的训练

opencv人脸识别主要有3种算法1EigenFace，大题思路是用PCA对人脸进行降维，在比较距离2FisherFace，基于LDA降维3LBPH利用局部二值模式直方图的人脸识别算法具体步骤：一、人脸的训练

尊重原创者，转载自：http://www.cnblogs.com/mikewolf2002/p/3432243.htmlhttp://www.cnblogs.com/mikewolf2002/p/3432270.html一、OpenCV中应用PCA生成特征脸对一副宽p、高q的二维灰度图，要完整表示该图像，需要m=p*q维的向量空间，比如100*100的灰度图像，它的向量空间为100*100=100

特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法)。本文的参考资料附在最后了^_^步骤一：获取包含M张人脸图像的集合S。

1.LDA数学原理fisherface方法与eigenface方法比较2.LDA算法步骤LDA算法的主要优点PCA和LDA的分析比较1.LDA数学原理所谓分类器，一般是将输入空间X，根据需要划分的类别，

在之前的博客人脸识别经典算法一：特征脸方法（Eigenface）里面介绍了特征脸方法的原理，但是并没有对它用到的理论基础PCA做介绍，现在做补充。请将这两篇博文结合起来阅读。

特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法)。本文的参考资料附在最后了^_^步骤一：获取包含M张人脸图像的集合S。

该文章由下面两部分组成：1).经典人脸识别算法小结——EigenFace,FisherFace&LBPH（上），这部分介绍人脸开源库，和图片的读取等准备工作。

该文章由下面两部分组成：1).经典人脸识别算法小结——EigenFace,FisherFace&LBPH（上），这部分介绍人脸开源库，和图片的读取等准备工作。

实验目标自己写代码实现EigenFace人脸识别的训练与识别过程：假设每张⼈脸图像只有一张人脸，且两只眼睛位置已知（即可人工标注给出）。

一、人脸识别算法之特征脸方法（Eigenface）1、原理介绍及数据收集特征脸方法主要是基于PCA降维实现。

人脸识别经典算法Suncicie2017.12.10特征脸（Eigenface）获取M张人脸的图像集合，每张图片转换成一个N维度向量，组成集合$S$计算平均图像计算每张图像和平均图像的差值Φ，就是用S集合里的每个元素减去步骤二中的平均值

目前支持的算法有Eigenface特征脸createEigenFaceRecognizer()FisherfacecreateFisherFaceRecognizer()LocalBinaryPatternsHistograms

最近在看opencv的Fisherface,Eigenface的部分，但具体实现时发现该库包含在opencv的contrib模块里，这个模块是opencv的扩展库，里面包括很多特征的算法，SIFT、SURF

Eigenface就是将人脸图像进行编码，映射到低维子空间上，在低维空间计算两幅人脸图像的距离，以此来进行人脸识别。

本文实现基于eigenface的人脸检测与识别。

本文实现基于eigenface的人脸检测与识别。

参考：人脸识别之特征脸方法（Eigenface）:http://blog.csdn.net/zouxy09/article/details/45276053Eigenface算法，PCA数学理论，协方差

现在Eigenface(PCA)算法已经与经典的模板匹配算法一起成为测试人脸识别系

【计算机视觉】特征脸EigenFace与PCA标签（空格分隔）：【图像处理】版权声明：本文为博主原创文章，转载请注明出处http://blog.csdn.net/lg1259156776/。

这几天无聊，正好想起来以前谁说有同学做人脸识别，感觉好高大上，所以找来一些基础的人脸识别算法来自己实现一下，正好锻炼一下numpy的使用。特征脸方法基本是将人脸识别推向真正可用的第一种方法，了解一下还是很有必要的。特征脸用到的理论基础PCA我在这里就不说了，百度一大堆，主要讲一下实现步骤和自己在用python实现是发现的问题。这里我所使用的训练图片是YALE的人脸数据库点击打开链接，这里面有15位

上一次我们说了人脸识别算法-特征脸方法（Eigenface）及python实现，在这一次，我们来看一看LBP算法。相比于特征脸方法，LBP的识别率已经有了很大的提升。

PCA原理：主成分分析（PrincipalComponentAnalysis，PCA）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高纬数据投影到较低维空间。给定n个变量的m个观察值，形成一个n*m的数据矩阵，n通常比较大。对于一个由多个变量描述的复杂事物，认识难度会很大，于是我们可以抓住事物主要方面进行重点分析，如

人脸识别之特征脸方法（Eigenface）[email protected]://blog.csdn.net/zouxy09因为需要，花了一点时间写了下经典的基于特征脸（EigenFace）的人脸识别方法的

人脸识别之特征脸方法（Eigenface）[email protected]://blog.csdn.net/zouxy09    因为需要，花了一点时间写了下经典的基于特征脸（EigenFace）的人脸识别方法的

1.PCA人脸检测Eigenface算法 在利用PCA进行特征提取的算法中，特征脸方法(Eigenface)是其中的一个经典算法。特征脸方法是从主成分分析导出的一种人脸识别和描述技术。

特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法) 。本文的参考资料附在最后了^_^步骤一：获取包含M张人脸图像的集合S。

PCA的一个经典应用就是人脸识别，感兴趣的可以在网上搜eigenface。   

今天打算用几种基准算法做人脸识别的测试，突然想到用OpenCV里边的API，查了一下文档，发现竟然还提供了3种方法：EigenFace，FisherFace，LBP。果然是强大呀。

matlab各类数据图像之间的转化rgb类型转化为二值的过程如下：1、采用命令im2double将rgb类型转化三维的double>>str='E:\programing\Eigenface_PAC\Face

特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法)。本文的参考资料附在最后了^_^步骤一：获取包含M张人脸图像的集合S。

在之前的博客 人脸识别经典算法一：特征脸方法（Eigenface） 里面介绍了特征脸方法的原理，但是并没有对它用到的理论基础PCA做介绍，现在做补充。请将这两篇博文结合起来阅读。

在之前的博客人脸识别经典算法一：特征脸方法（Eigenface）里面介绍了特征脸方法的原理，但是并没有对它用到的理论基础PCA做介绍，现在做补充。请将这两篇博文结合起来阅读。

特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法) 。本文的参考资料附在最后了^_^步骤一：获取包含M张人脸图像的集合S。

特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法)。本文的参考资料附在最后了^_^步骤一：获取包含M张人脸图像的集合S。

特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法)。本文的参考资料附在最后了^_^步骤一：获取包含M张人脸图像的集合S。

本文实现基于eigenface的人脸检测与识别。

本文实现基于eigenface的人脸检测与识别。

1.   一个非常好的人脸识别代码包：https://www.github.com/bytefish/facerechttps://github.com/bytefish/facerecognition_guidehttp://bytefish.de/blog/eigenfaces/http://www.bytefish.de/blog/fisherfaces/ 第一个网址是一个非常好的人脸识别代

1、基于PCA的识别算法    主要有特征脸（Eigenface）算法和FisherFace算法。      

目前支持的算法有      Eigenface特征脸  createEigenFaceRecognizer()      Fisherface            createFisherFaceRecognizer

在最新版的2.4.2中，文档的更新也是一大亮点，refrencemanual扩充了200多页的内容，添加了contrib部分的文档。contrib就是指OpenCV中新添加的模块，但又不是很稳定，可以认为是一个雏形的部分。这次结合refman的阅读，介绍一下FaceRecognizer这个人脸识别类，这个类也是2.4.2更新日志里着重强调过的更新，配套的文档也是相当充实。这个类的基类也是Algor