rl小透明

一.实验内容 实现PCA，Fisher，LBP三种特征提取方法，显示特征图像；并观察特征数据形式。本实验主要是需要学生理解三种特征提取方法的基本原理，会使用OpenCV相关接口函数完成人脸特征提取。 二.实验步骤 本实验可以使用给定的数据集完成特征提取与显示任务，数据集存放在以“data+名字首字母缩写后缀”为名字的文件夹中，在项目中，我们已经编写好了数据采集，图像读取与可视化部分，这里我们只需要重点学习PCA，Fisher与LBP特征提取的方法实现与结果输出方式，在文件Feature.py中，eigenf

一.实验内容 使用opencv来进行特征提取过程，分别采用opencv的高级API和opencv的底层API进行人脸识别，由于我们要学习整个人脸识别的处理流程，所以这里以底层实现方法作为重点。 在特征提取出来后，分别采用欧氏距离和SVM的方法进行人脸识别。 二.实验步骤 本实验的项目的主要文件包括Recognize_e.py（底层API实现），Recognize_h.py(高级API实现) 底层API 本实验最终的结果是要对于在识别范围内的人，如果出现在摄像头中，则可以识别出每个人的名字，并进行标注，所

一.实验内容 使用opencv-python完成人脸检测实验，要求可以在被检测图像中，框选人脸所在位置 二.实验步骤 本实验对应的python文件为FaceDetection.py，它是进行人脸识别的第一步，由于使用OpenCV提供的接口，使得实现过程大大简化，其中设计HaarCascade人脸检测器的配制方法，基本步骤分为以下三步： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XIVjKmMQ-1591925725279)(/home/tina/.config/Typor

这段时间在实习过程中做了很多很多基础的机器学习程序，其中自己用opencv底层实现了（特征脸，fisher，lbp）等最为古老基础的人脸识别程序，最近稍微研究了一下人脸识别领域的发展史，发现人脸识别领域并没有我想象的那样有一堆各种各样的定制化网络模型，大多数方法将注意力放到了损失函数的构建方面，而在看各种损失函数时偶然看到度量学习这个词，就在这里稍微总结一下 下面内容来自https://blog.youkuaiyun.com/gdengden/article/details/82715162 1、度量(Metric.