cv2 EigenFace(特征脸）

最新推荐文章于 2025-05-21 16:17:18 发布

cchangcs

最新推荐文章于 2025-05-21 16:17:18 发布

阅读量3.5k

点赞数

CC 4.0 BY-SA版权

分类专栏： Opencv(CV2)学习与实战 Python 文章标签： Eigen Face

本文链接：https://blog.youkuaiyun.com/github_39611196/article/details/85055581

Opencv(CV2)学习与实战同时被 2 个专栏收录

64 篇文章 ¥19.90 ¥99.00

订阅专栏

Python

72 篇文章

订阅专栏

本文探讨了cv2库中用于人脸识别的EigenFace方法，包括PCA原理、EigenFace的缺点，以及与其他如Fisherfaces、LBPHFace识别器的对比。通过示例代码展示了如何使用cv2.face.EigenFaceRecognizer_create()实现特征脸识别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要介绍cv2模块中EigenFace（特征脸），EigenFace可用来实现人脸识别。

参考自：https://blog.youkuaiyun.com/loveliuzz/article/details/73810334

cv2中face子模块目前支持的算法有:

        （1）主成分分析（PCA）——Eigenfaces（特征脸）——函数：cv2.face.EigenFaceRecognizer_create（）

PCA：低维子空间是使用主元分析找到的，找具有最大方差的哪个轴。

缺点：若变化基于外部（光照），最大方差轴不一定包括鉴别信息，不能实行分类。

        （2）线性判别分析（LDA）——Fisherfaces（特征脸）——函数： cv2.face.FisherFaceRecognizer_create()

LDA:线性鉴别的特定类投影方法，目标：实现类内方差最小，类间方差最大。

        （3）局部二值模式（LBP）——LocalBinary Patterns Histograms——函数：cv2.face.LBPHFaceRecognizer_create()

PCA和LD