OpenCV经典人脸识别算法（特征脸，Fisherface，LBP）

引言

OpenCV中有三个经典的人脸识别的算法，各有优缺点。
参考链接很详细，只提炼重要内容
参考1
参考2

经典人脸识别算法

1.EigenFace
征脸识别的局限性

要让系统准确识别需要保证人脸图像满足： 待识别图像中人脸尺寸接近特征脸中人脸的尺寸；
待识别人脸图像必须为正面人脸图像。
若不满足此条件，识别错误率很高。从PCA方法的过程可以看出，特征脸识别的方法是以每张人脸的一个维度（可以看出是矩阵的一列）为单位进行处理的，求得的特征向量（特征脸）中包含训练集每个纬度的绝大部分信息。但是若测试集中人脸尺寸不同，那么与特征脸中维度的也就没法对应起来。

2. FisherFace

由于LDA利用了类成员信息并抽取了一个特征向量集，该特征向量集强调的是不同人脸的差异而不是照明条件、人脸表情和方向的变化。因此，相比EigenFace（和谁比很重要），采用Fisherface方法对人脸进行识别对光照、人脸姿态的变化更不敏感，有助于提高识别效果。

3. LBPH

LBP对光照有明显的鲁棒性