本文主要介绍cv2模块中EigenFace(特征脸),EigenFace可用来实现人脸识别。
参考自:https://blog.csdn.net/loveliuzz/article/details/73810334
cv2中face子模块目前支持的算法有:
(1)主成分分析(PCA)——Eigenfaces(特征脸)——函数:cv2.face.EigenFaceRecognizer_create()
PCA:低维子空间是使用主元分析找到的,找具有最大方差的哪个轴。
缺点:若变化基于外部(光照),最大方差轴不一定包括鉴别信息,不能实行分类。
(2)线性判别分析(LDA)——Fisherfaces(特征脸)——函数: cv2.face.FisherFaceRecognizer_create()
LDA:线性鉴别的特定类投影方法,目标:实现类内方差最小,类间方差最大。
(3)局部二值模式(LBP)——LocalBinary Patterns Histograms——函数:cv2.face.LBPHFaceRecognizer_create()
PCA和LDA采用整体方法进行人脸辨别,LBP采用局部特征提取,除此之外,还有的局部特征提取方法为:
<