主要为大家详细介绍了python实现人脸识别经典算法，特征脸法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

PCA人脸识别及理论基础（更新版附源码）matlab，数据包，直接可以运行.

采用PCA提取人脸特征,先计算M个图像的平均值脸，再求出各特征值脸。

这个包的目的是实现基于 PCA 的人脸识别（Eigenfaces 技术）。 使用的人脸数据集是 ORL AT&T 剑桥实验室 ( www.cl.cam.ac.uk/Research/DTG/attarchive:pub/data/att_faces.zip )。 此数据集以 mat 格式 (ORL_FaceDataSet) 附在此处。 在这方面，该软件包可作为学生和研究的实践指南，脚本中提供了许多详细信息。

本程序可对图像进行处理，打印平均脸和特征脸，但无法进行图像匹配和识别

基于特征脸的人脸识别(VS2013_MFC_OpenCV2413)，主要实现人脸采集，人脸检测，模型训练，人脸识别等功能

们提出一个方法来检测和识别人脸并且描述一个工作,近实时人脸识别系统，这个系统跟踪一个目标的头,然后通过把这个人的脸与已熟知的人脸作比较来识别这个人。我们的方法将面临一个二维识别问题,利用这个事实,脸通常是直立,因此可能被一个小的二维特征的平面。

基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别 基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别

用特征脸方法，ORL人脸库做一个完整的识别系统 采用opencv3.3和vs2015

近来想要做一做人脸识别相关的内容，主要是想集成一个系统，看到opencv已经集成了三种性能较好的算法，但是还是想自己动手试一下，毕竟算法都比较初级。 操作环境：python2.7 第三方库：opencv for python、numpy 第一种比较经典的算法就是特征脸法，本质上其实就是PCA降维，这种算法的基本思路是，把二维的图像先灰度化，转化为一通道的图像，之后再把它首尾相接转化为一个列向量，假设图像大小是20*20的，那么这个向量就是400维，理论上讲组织成一个向量，就可以应用任何机器学习算法了，但是维度太高算法复杂度也会随之升高，所以需要使用PCA算法降维，然后使用简单排序或者KNN都可