基于QT，C++和opencv 的人脸识别项目（三）

1.引言

本篇文章是人脸检测和人脸识别的原理的介绍。主要是Haar+Adaboost和和三大经典人脸识别算法其中的Eigenface的原理。

这是本项目的第三篇文章。
第一篇文章，主要介绍项目的任务和实验环境，点击阅读
第二篇文章，主要介绍opencv和相关模型，点击阅读。
第四篇文章，主要介绍PCA降维和人脸识别的原理，点击阅读。
第五篇文章，主要给出相关的代码，点击阅读。

2.正文

前言

首先说一下，现在好多博客都没弄懂什么是人脸识别什么是人脸检测，每次都点进去一个人脸识别的项目，结果就是一个简简单单的人脸检测。
人脸检测就是简单的在视频、摄像头或者图片中用框框标出人脸的位置，没有其他多余的标注，但是对于人脸识别，首先需要录入自己的人脸，再训练出模型，通过模型对视频、摄像头或者图片中的人进行检测+标注出名字等相关的信息。
打个简单的比方，人脸检测就是一条狗能做的：这里是个人脸，叫几声吓吓他。人脸识别则是一个小孩：这是我爹，这是我娘。

opencv实现人脸检测主要是通过haar级联分类器。
我在人脸检测部分将详细的介绍怎么来训练这个分类器。

opencv实现人脸识别有三个主要的算法：
EIgenface 特征脸算法
FisherFace算法
LBP局部二值直方图
我在人脸识别部分将详细的介绍特征脸算法的原理。

人脸检测原理

人脸检测的目标是找出图像中所有的人脸对应的位置，算法的输出是人脸外接矩形在图像中的坐标，可能还包括姿态如倾斜角度等信息。下面是一张图像的人脸检测结果：

虽然人脸的结构是确定的，由眉毛、眼睛、鼻子和嘴等部位组成，近似是一个刚体，但由于姿态和表情的变化，不同人的外观差异，光照，遮挡的影响，准确的检测处于各种条件下的人脸是一件相对困难的事情。