人脸识别（fisherface）的原理及代码实现

最新推荐文章于 2025-10-20 22:12:36 发布
原创 最新推荐文章于 2025-10-20 22:12:36 发布 · 1.4k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#opencv #计算机视觉 #人工智能 #python

本文介绍了Fisherface人脸识别原理，基于线性判别分析，通过将训练样本投影保持同一类别内点靠近、异类远离。提供了一个使用OpenCV库实现的Python代码片段，展示了如何创建和训练FisherFace识别器以及进行预测。

目录

fisherface的原理

代码实现

完整代码

Fisherface人脸识别原理是基于线性判别分析（Linear Discriminant Analysis，LDA）的一种方法。线性判别分析是一种经典的线性学习方法，最早由Fisher在1936年提出，也被称为“Fisher判别分析法”

简易过程：

fisherface的原理

基本原理：在低维表示下，首先将训练集样本集投影到一条直线A上，让投影后的点满足同类间的点尽可能地靠近，异类间的点尽可能地远离。

然而，这种方法在操作过程中可能会损失许多用于分类的关键信息。因此，在某些特殊的情况下，如果损失的信息刚好是用于分类的关键信息，必然导致结果预测错误。

代码实现

重要函数：cv2.face.FisherFaceRecognizer_create(threshold=1000)

作用:创建一个FisherFace的人脸特征识别器
threshold：进行识别时所用的阈值。如

最低0.47元/天 解锁文章
AI_dataloads
关注
人脸识别经典算法三：Fisherface（LDA）
架构设计
04-13 5660
Fisherface是由Ronald Fisher发明的，想必这就是Fisherface名字由来。Fisherface所基于的LDA（Linear Discriminant Analysis，线性判别分析）理论和特征脸里用到的PCA有相似之处，都是对原有数据进行整体降维映射到低维空间的方法，LDA和PCA都是从数据整体入手而不同于LBP提取局部纹理特征。如果阅读本文有难度，可以考虑自学斯坦福公...
用Python实现简单的人脸识别，10分钟搞定！（附源码）
热门推荐
qq_38082146的博客
03-19 11万+
前言 让我的电脑认识我，我的电脑只有认识我，才配称之为我的电脑！ 今天，我们用Python实现简单的人脸识别技术！ Python里，简单的人脸识别有很多种方法可以实现，依赖于python胶水语言的特性，我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。 欲直接下载源代码文件，关注微信公众号：Python联盟，回复“人脸识别”即可获取~ 一、首先 梳理一下实现人脸识别需要进行的步骤： 流程大致如此，在此之前，要先让人脸被准确的找出来，也就是能准确区分人脸的分类器，在这
OpenCV人脸检测代码分析
whuthj的专栏
05-18 264
#include "cv.h"#include "highgui.h" #include <stdio.h>#include <stdlib.h>#include <string.h>#include <assert.h> //用于防御式编程#include <math.h>#include <float.h&am
零基础也能会：Python+OpenCV 人脸识别的分步代码解析与演示
最新发布
tdghjkld的博客
10-20 322
技术原理简述：该方法基于Haar特征级联分类器，通过计算图像中的矩形区域特征，与训练好的面部特征模式进行匹配。其数学表达可简化为： $$ \text{特征值} = \sum \text{黑色区域像素和} - \sum \text{白色区域像素和} $$通过本文的代码实践，您已掌握基础人脸识别技术的实现方法。尝试更换不同照片测试效果，或调整参数观察检测敏感度的变化吧！本文将通过清晰的步骤和完整代码，带您实现基础的人脸识别功能。（实际运行将在人脸位置显示红色矩形框）
【进阶OpenCV】 （16）-- 人脸识别 -- FisherFaces算法
m0_74896766的博客
10-16 1544
本篇介绍了，如何通过FisherFaces算法来实现人脸识别，其中需要注意的是： 1. 在使用EigenFaces算法进行人脸识别时，传入图像的大小（即尺寸）需要保持一致。 2. 训练以及测试图像最好使用大头照，减少身体的部分。 3. 置信度需要低于五千才有说服力，越小越准确。
OpenCV人脸识别之FisherFace算法（LDA线性判别分析）
qq_39629280的博客
11-04 2417
FisherFace算法 Fisherface是由Ronald Fisher发明的，Fisherface所基于的LDA（Linear Discriminant Analysis，线性判别分析）理论和特征脸里用到的PCA有相似之处，都是对原有数据进行整体降维映射到低维空间的方法，LDA和PCA都是从数据整体入手而不同于LBP提取局部纹理特征。 1.LDA原理图介绍 2.数据集是二类情况 通常情况下，待匹配人脸要和人脸库内的多张人脸匹配，所以这是一个多分类的情况。出于简单考虑，可以先介绍二类的情况然
OpenCV中Fisherfaces人脸识别器识别人脸实战（附Python源码）
showswoller的博客
01-25 1154
OpenCV中Fisherfaces人脸识别器识别人脸实战（附Python源码）
基于LDA的人脸识别FisherFace算法Matlab实现
该文件充分体现了从原始图像到低维判别特征的完整转换过程，是理解FisherFace原理与实现的关键。 另一个文件 `dist.m` 则是一个辅助函数，用于计算两个向量之间的欧氏距离（Euclidean Distance）。在人脸识别系统中...
人脸识别程序源代码_人脸识别_
10-01
通过阅读和理解这些代码，学习者可以深入理解人脸识别的算法原理，并掌握如何在MATLAB环境下进行实际应用。 总的来说，MATLAB作为强大的科学计算工具，为人脸识别的研究提供了便利。从预处理、特征提取到分类识别，...
人脸识别项目代码.rar
08-01
在本压缩包“人脸识别项目代码.rar”中，包含了一个实用的人脸识别项目，这个项目能够帮助用户实现对人脸的自动检测与识别。人脸识别技术是计算机视觉领域的一个重要研究方向，它涉及图像处理、模式识别、机器学习等...
opencv人脸识别_实战整套代码工程_整理.zip
05-17
0808-人脸识别算法之FisherFace 0909-人脸识别算法之LBPH 案例-实时人脸识别应用开发(读取录入) facerecog_07录入人脸到数据库.cpp 图片人脸检测.cpp 案例-实时人脸识别应用开发2（识别） 检测图片中的人脸(多了...
人脸识别代码
07-13
人脸识别代码，实现人脸的识别和检测，其中还能检测相互部分遮挡的人脸，实时视频中的人脸检测也能实现
人脸识别代码（python）
03-12
分别在树莓派和MAC中跑人脸识别代码（分三个阶段，采集，训练，识别），识别效果还可以。
MATLAB实现人脸识别
11-26
特征脸方法是从主成分分析(PCA)导出的一种人脸识别和描述技术。它将包含人脸的图像区域看作一随机向量，采用K-L变换得到正交K-L基，对应其中较大特征值的基具有与人脸相似的形状，因此又被称为特征脸。利用这些基的线性组合可以描述、表达和逼近人脸图像，所以可进行人脸识别与合成。识别过程就是将人脸图像映射到由特征脸组成的子空间上，并比较其在特征脸空间中的位置，然后利用对图像的这种投影间的某种度量来确定图像间的相似度，最常见的就是选择各种距离函数来进行度量分类实现人脸识别。
人脸识别HTML实现
02-27
调用百度人脸识别接口， 实现了人脸识别+人脸对比，导入eclipse即可运行
Fisherface(FLD)人脸识别实验
weixin_45634365的博客
02-01 2701
Fisherface(FLD)人脸识别实验大致与Eigenface(PCA)人脸识别实验相同。主要是在模型训练方面，需要使用cv2.face.FisherFaceRecognizer_create()，最终的预测结果与实际相符。 如果想要了解Eigenface(PCA)人脸识别实验，可以参考我的另一篇博客：Eigenface(PCA)人脸识别实验 1、数据提取与处理 %matplotlib inline # 导入所需模块 import matplotlib.pyplot as plt import nump
【计算机视觉40例】案例31：FisherFaces人脸识别
计算机视觉之光
08-11 1436
《计算机视觉40例——从入门到深度学习（OpenCV-Python）》在介绍Python基础、OpenCV基础、计算机视觉理论基础、深度学习理论的基础上，介绍了计算机视觉领域内具有代表性的40个典型案例。这些案例中，既有传统的案例（数字识别、答题卡识别、物体计数、缺陷检测、手势识别、隐身术、以图搜图、车牌识别、图像加密、指纹识别等），也有深度学习案例（图像分类、风格迁移、姿势识别、实例分割等），还有人脸识别方面的案例（表情识别、驾驶员疲劳监测、识别性别与年龄等）。...
人脸识别系统实现
好好学习,天天向上的博客
10-21 1066
#1，导入库 import cv2 import numpy as np import face_recognition #2，加载图片 liu=cv2.imread('liu.jpg') wang=cv2.imread('wang.jpg') #3，BGR转为RGB liu_RGB=liu[:,:,::-1] wang_RGB=wang[:,:,::-1] #4，检测人脸 liu_face=face_recognition.face_locations(liu_RGB) wang_face=face_
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值