1、前言

Opencv 中提供了三种人脸识别的方法，分别是 Eigenfaces、Fisherfaces和LBPH

三种方法都是通过对比样本特征最终实现人脸识别

因为三种算法特征提取的方式不一样，侧重点均有不同，并不能说那种方式优越，这里对三种方法进行讲解和实验

这里类似于深度学习模式，通过对样本图像训练，然后预测识别人脸

与之不同的是，这里的样本极少，往往只需要三四张图片即可，并且这里的人脸识别可以具体分类出是哪个人

在级联分类器里，也可以识别人脸，可以参照之前的文章：

OpenCV实战--人脸跟踪（级联分类器）-CSDN博客

2、Eigenfaces 人脸识别

Eigenfaces也被叫作“特征脸”。

Eigenfaces通过PCA(主成分分析技术)方法将人脸数据转换到另外一个空间维度去做相似性计算。在计算过程中，算法可以忽略掉一些无关紧要的数据，仅识别一些具有代表性的“特征”数据，最后根据这些“特征”来识别人脸。

这里需要通过三个方法完成人脸识别操作：<