基于OpenCV人脸识别Eigenfaces（特征脸）算法、Fisherfaces算法、Local Binary, Patter Histogram（LBPH）算法认识

一、Eigenfaces（特征脸）算法

在如今的世界，人脸识别也变得越来越重要，应用越来越广泛，比如人脸识别可用于身份认证、摄影、支付、视频等领域。现在人脸识别一般采用三种经典算法：Eigenfaces、Fiserfaces、LBPH，首先我来总结一下对Eigenfaces算法的一些学习情况或者认识。
Eigenface是在人脸识别的计算机视觉问题中使用的一组特征向量的名称，Eigenfaces是基于PCA（主成分分析）的，所以学习Eigenfaces需要我们了解PCA的原理。
主成分分析是一种矩阵的压缩算法，在减少矩阵维数的同时尽可能的保留原矩阵的信息，简单来说就是将 n×m的矩阵转换成n×k的矩阵，仅保留矩阵中所存在的主要特性，从而可以大大节省空间和数据量。下面简单的介绍一下它的数学原理：

假设一个坐标是（3,2），我们都知道在二维中3表示横坐标，2表示纵坐标。而坐标（1,0）（0，1）则为一个基点，可以说对于任意的一个坐标点（x，y）都可以表示为：

这个式子中的最左前方的部分的每一个行向量则代表一个基向量。如果想要更换基向量，我们就需要进行投影，将矩阵进行变换，