OpenCV经典人脸识别算法（特征脸，Fisherface，LBP）

最新推荐文章于 2025-06-03 09:04:40 发布
最新推荐文章于 2025-06-03 09:04:40 发布
阅读量5.3k 收藏 34
点赞数 1
CC 4.0 BY-SA版权
分类专栏： Opencv
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。
本文链接：https://blog.youkuaiyun.com/Osean_li/article/details/94305426
本文概述了OpenCV中三种经典的人脸识别算法：EigenFace、FisherFace和LBPH。EigenFace要求人脸图像尺寸接近，且为正面图像；FisherFace对光照和人脸姿态变化更鲁棒；LBPH则对光照有显著的鲁棒性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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

人脸识别经典算法三：Fisherface（LDA）
架构设计
04-13 5619
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...
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
qq_42860591的博客
06-09 4229
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
使用OpenCV进行人脸识别的三种算法（官方网翻译）
ningningxl的专栏
09-02 1万+
怎样使用OpenCV进行人脸识别 本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容(http://docs.opencv.org/modules/contrib/doc/facerec/facerec_tutorial.html)，小弟我尝试翻译一些重要内容。这部分内容是Philipp Wagner写的，他的github：https://githu
libfacedetection项目编译与使用指南
最新发布
gitblog_01155的博客
06-03 283
libfacedetection项目编译与使用指南 项目概述 libfacedetection是一个基于CNN的高性能人脸检测开源库，采用纯C++实现，不依赖任何第三方库。该库能够在CPU上实现实时人脸检测，支持多种平台和编译环境。本文将详细介绍如何在不同平台上编译和使用这个库。 编译指南 Windows平台编译 使用Visual Studio 2019编译 环境准备 安装Visual St...
opencv-人脸识别
sc9876543210的博客
07-12 2万+
人脸识别即程序对输入的图像进行判别是否有人脸，并识别出有人脸的图像所对应的人。即我们常说的人脸识别一般包含了人脸检测和人脸识别两部分。下面对其在opencv中的相应模块进行分别介绍。 一：人脸检测 在人脸检测中，其主要任务是构造能够区分包含人脸实例和不包含人脸实例的分类器， 二：基本原理 opencv中提供了三种训练好的级联分类器。级联分类器顾名思义即通过不同的特征进行一步步筛选，最终得出所属的分类，它将一个复杂的分类问题拆解为一个个简单的分类问题，随着级联条件的判断，能够一步步筛出大量的负样本，极大的提升
经典人脸识别算法（特征脸，FISHERFACE，LBP）
sky2line的专栏
08-22 5492
首先，只是基于对算法的主要是想的介绍和理解，对于涉及到的PCA以及直方图比较提到的方法等等可以自己再去深入研究。 其次，只是用作笔记记录。 参考了优快云博客：https://blog.youkuaiyun.com/smartempire/article/details/23377385 https://blog.youkuaiyun.com/wanghz999/article/details/78817265 Eigenfaces的原理： Eigenfaces就是特征脸的意思，是一种从主成分分析（Principal
安卓opencv实现多人检测，人脸检测，人脸识别，人脸对比
04-17
本项目聚焦于使用OpenCV进行多人的人脸检测、人脸识别以及人脸对比功能，这些都是人工智能和移动开发领域的热门应用。 首先，人脸检测是通过OpenCV的Haar级联分类器或者LBP级联分类器来实现的。这些预先训练好的...
【OpenCV】人脸识别方法
m0_74183164的博客
10-21 1840
EigenFace与FisherFace 1. 将人脸图像展开为一维向量，组成训练数据集 2. PCA（EigenFace）或LDA（FisherFace）特征分解，得到一组特征向量，代表了训练集中人脸的主要特征，即特征脸 3. 将新的人脸展平为向量，减去训练数据的特征脸（即归一化） 4. 人脸向量与特征向量进行点积，得到在特征空间中的投影坐标 5. 投影得到的新坐标向量与数据库中已存的人脸投影坐标进行比较。通过计算距离（如欧氏距离），找到最相似的匹配，进行身份识别。
经典人脸识别算法小结——EigenFace, FisherFace & LBPH（下）
热门推荐
生命在于折腾！
02-16 2万+
该文章由下面两部分组成：1).经典人脸识别算法小结——EigenFace, FisherFace & LBPH（上），这部分介绍人脸开源库，和图片的读取等准备工作。2).经典人脸识别算法小结——EigenFace, FisherFace & LBPH（下），这部分介绍三种人脸识别算法。如果对于opencv中的人脸识别API感兴趣，可参看官方的说明：Face Recognition ...
OpenCV教程及人脸识别算法.zip
02-08
这个压缩包文件“OpenCV教程及人脸识别算法.zip”显然是为了帮助学习者掌握OpenCV的基础和进阶知识，特别是其中的人脸识别技术。 首先，OpenCV库的核心功能在于图像和视频的处理，它提供了丰富的API接口，可以实现...
基于opencv的人脸识别c++（）
09-24
OpenCV提供了多种人脸识别算法，包括EigenFace、FisherFace和LBPH(局部二值模式直方图)等。这些算法基于统计学原理，可以将人脸特征提取并用于识别或验证。 在开始之前，你需要下载OpenCV的contribution版本，这个...
人脸识别 - FisherFace（LDA）
04-12
基于LDA的人脸检测Matlab源代码（不包含人脸样本数据库，该代码使用的是ORL库，请自行下载）。
LBP算法人脸识别
03-27
LBP 直方图 人脸识别 统一模式 旋转不不变性很适合学习使用 LBP 直方图 人脸识别 统一模式 旋转不不变性很适合学习使用
基于LBP特征的人脸识别算法
02-10
经典人脸识别算法，模式识别方式，使用vs2008开发平台，c++语言，对人脸图片进行LBP特征提取，再通过距离度量计算人脸相似度，在100人的小库中准确率超过80%
基于LBP算法的人脸识别研究
12-29
随着计算机和信息技术的快速发展，人脸识别技术越来越受到重视，本文主要研究了人脸在不同光照、不同表情下的特征提取与识别的一些关键问题，提出了一些改进方法，并通过实验进行了可靠性验证. 针对LBP算法提取人脸图像的表情特征信息时会丢失特殊的特征信息的缺点，本文提出了多重局部二值模式的人脸表情识别方法（Multiple Local Binary Patterns，MILBP），该方法在保持LBP算法优点的前提下，通过增加一位二值编码，利用中心像素点作用以及邻域像素点灰度值之间的关系，得出特征向量图. 实验结果表明MLBP算法比LBP算法描述的表情纹理图像更加均匀，且识别率约提高10%. 针对人脸表情图像进行纹理特征提取时的模块大小划分问题，本文提出将MLBP算法与Harr小波分解相结合，该方法首先将表情图像进行Har小波分解，得到四幅不同频率的子图像，然后对其中三幅图像进行MLBP特征提取，并将得到的特征值串联形成表情图像的特征向量。实验结果表明该方法比MLBP方法直接提取表情特征所产生的特征向量的维数减少了25%，特征提取和识别的速率提高了，其中识别率约提高了9%. 人脸识别研究中的识别率容易受光照强度的影响，针对MLBP算法在光照变化时具有旋转不变性，以及Gabor小波能提供空间位置、空间频率的特性，本文提出了多重局部Gabor二值模式方法（Multiple Local Gabor Binary Pattern，M LGBP），该方法先对人脸图像使用Gabor小波进行变换处理，保留受光照影响较小的高频部分，然后再采用MLBP算法对Gabor提取后的图像采用分块编码，最后得到联合直方图序列，获得丰富的局部特征信息，实验结果表明了该算法有效的降低了光照对识别率的影响，提高了光照不均匀时的人险识别率，且在特征提取方面比Gabor等算法更加有效.
基于LDA(fisherface)和KNN的人脸识别（matlab)
02-25
基于LDA(fisherface)和KNN的人脸识别 经典的fisherface算法（PCA+LDA)，人脸识别入门 分类器采用KNN matlab实现，内附ORL人脸训练库
Fisherface(FLD)人脸识别实验
weixin_45634365的博客
02-01 2673
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
opencv入门：LBRH ，EigenFaces , Fisherfaes
AI路漫漫
10-04 887
三种人脸识别的方法，，
人脸识别算法二：Fisherface（LDA）
知识搬运工的博客
04-10 8295
LDA线性判别分析 也称FLD（Fisher线性判别）是一种有监督的学习方法（supervised learning）。目的：是从高维空间中提取出最优判别力的低维特征，这些特征使同一类别的样本尽可能的靠近，同时使不同类别的样本尽可能的分开，即选择使样本的类间散布矩阵和类内散布矩阵达到最大比值的特征。因此，用FLD得到的特征不但能够较好的表示原始数据，而且更适合分类。 ...
OpenCV实战：从EigenFace到LBPH人脸识别算法全解析
以上所述知识点概述了OpenCV在人脸识别领域的应用，并详细介绍了不同人脸识别算法的原理和实际案例的实现。通过本套代码工程，开发者可以获得从理论到实践的全面体验，为进行人脸识别相关项目开发打下坚实的基础。
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