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:<