《OpenCV-python学习》第五章 人脸检测和识别+ 第六章 图像检索以及基于图像描述符的搜索

Haar级联

OpenCV的Haar级联具有尺度不变性，但不具有旋转不变性。
cv2.CascadeClassifier(’.xml’)
detectMultiScale(gray,scaleFactor,minNeighbors)

OpenCV三种人脸识别方法

Eigenfaces:PCA，本质是识别某个训练集上的主成分，并计算出训练集相对数据库的发散程度。
Fisherfaces:在PCA上衍生发展的，比Eigenfaces更精准
LBPH:将检测的人脸分成小单元，并与模型中的对应单元进行比较，对每个区域的匹配值产生一个直方图。
算法都是使用分好类的训练数据集进行训练，先提取出人脸构成训练数据，在进行train(人脸数据，标签)，创建分类的对象，进行预测predict()，输出的参数包含置信度评分，可通过设置阈值去除置信度不高的识别结果。其中前两个方法需要将图像resize成训练数据的图片大小，而LBPH不需要调整图片大小。

特征检测

cornerHarris(gray,标记角点大小,Sobel算子中孔数,xxx）受尺寸影响
Sobel算子通过对图像行列变化检测来检测边缘，上述第三个参数定义了角点检测的敏感度，取值为3-31之间的奇数。
SIFT尺度不变特征变换，利用DoG，即对同一幅图像使用不同高斯滤波器所得的结果。使用DoG检测关键点，并对每个关键点周围的区域计算特征向量detectAndCompute()，返回关键点信息和描述符。
SURF采用Hessian算法检测关键点
ORB基于FAST关键点检测的技术和基于BRIEF描述符的技术。
FAST：在像素周围绘制一个圆，包括16个像素，将每个像素与加上一个阈值的圆心像素值进行比较，若有连续、比加上一个阈值的圆心的像素值还亮或暗的像素，则可认为圆心是角点。
暴力匹配
K-最近邻匹配（KNN）：
FLANN匹配：两个参数：索引参数和搜索参数。索引一般可选Linear,KTree,KMeans,Composite,Autotune；搜索参数一般指定索引树要被遍历的次数。
单应性：表明当亮度图像中的一幅出现投影畸变时仍能彼此匹配。