face recognition

以下是人脸识别face recognition的实验报告，实验中采用了HOG，EigenFace，FisherFace，颜色直方图，神经网络（基于LeNet-5）实现人脸识别，并且对各种方法的效果进行了对比。源码见文章末尾

一.问题分析

1.问题描述

每个人的脸部特征是独一无二的。人脸识别是最常见且最普遍使用的身份识别技术。人脸识别即如何理解并识别一张脸。但是人脸识别同时也面临着很多的挑战，比如表情变化；光影变化；面部装饰等。

2.数据集分析

数据集为yale人脸数据集，一共有15个人，每个人有11中属性的人脸，所以一共165张图片，人脸具有的属性大概有表情变换，光线变换，面部装饰等等。图片均为灰度图。

数据集比较小，所以我们会采用更为传统的提取特征然后对比的方法。

3.现有方法

现有的进行人脸识别的方式有很多种，大概都可以分为两个步骤，首先就是对于人脸的特征进行提取，一个好的特征可以让后面的识别有加倍的效果。接着便是特征之间相似性的度量，该计算方式对于最后的识别精度也是有重要的影响。

经过调查分析之后，我们小组决定采用颜色直方图，HOG，EigenFace，FisherFace，神经网络这五种方式进行人脸识别的方式，分别分析其优劣势，最后进行对比实验。

数据集与源码：

https://download.csdn.net/download/breeze_blows/12001336

参考：

https://blog.csdn.net/program_developer/article/details/80632779

https://blog.csdn.net/u010006643/article/details/46417127

https://blog.csdn.net/smartempire/article/details/23377385