人脸识别三种经典算法总结

一、Eigenface特征脸识别 （PCA）
人脸识别算法-特征脸方法（Eigenface）及python实现 https://blog.youkuaiyun.com/u010006643/article/details/46417127
Eigenface算法，PCA数学理论，协方差 https://blog.youkuaiyun.com/gdut2015go/article/details/46271523
人脸识别之特征脸方法（Eigenface） https://blog.youkuaiyun.com/zouxy09/article/details/45276053
EigenFace的使用 python https://blog.youkuaiyun.com/u012005313/article/details/50899105

在人脸识别中，PCA是对测量空间中的数据，通过KL分解映射到维数较小的特征空间，这个特征空间成为特征脸空间。因此，该方法也叫做特征脸方法。

PCA是一种以较少数量的特征对样本进行描述以达到降低特征空间维数的方法，方法的基础是Karhunen-Loeve展开式，简称KL展开式。

得到降维的子空间，任何一幅人脸图像都可以向其投影并获得一组坐标系数，成为KL分解系数。这组系数表明了该图像在子空间中的位置，从而可以作为人脸识别的依据，这些系数也可以称为该图像的代数特征。因为C的特征向量量化后可以看出人脸的轮廓，所以又称为特征脸。

实际的人脸识别过程中，对于一个输入的测试样本x，求它与平均脸之间的偏差y = x - x’，则y在