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

简要： EigenFace是基于PCA降维的人脸识别算法，PCA是使整体数据降维后的方差最大，没有考虑降维后类间的变化。 它是将图像每一个像素当作一维特征，然后用SVM或其它机器学习算法进行训练。但这样维数太多，根本无法计算。我这里用的是ORL人脸数据库，英国剑桥实验室拍摄的，有40位志愿者的人脸，在不同表情不同光照下每位志愿者拍摄10张，共有400张图片，大小为112*92，所以如果把每个像素当做特征拿来训练的话，一张人脸就有10304维特征，这么高维的数据根本无法处理。所以需要先对数据进行降维，去掉一些冗余的特征。 第一步：将ORL人脸图片的地址统一放在一个文件里，等会通过对该文件操作，将

主要为大家详细介绍了Opencv EigenFace人脸识别算法的相关资料，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

一个有关eigenface的matlab 例程

EigenFace算法详解及Matlab代码20140103.docx

Eigenface 和Fisherface 图片资源， 配套的源码是https://github.com/liangyihuai/Eigenface-Fisherface

采用了HOG，EigenFace，FisherFace，颜色直方图，神经网络（基于LeNet-5）实现人脸识别，并且对各种方法的效果进行了对比。

很经典的人类识别论文，大家可以看看，特征脸识别的文章

使用PCA的方法对人脸图像进行识别，MATLAB程序，算法使用的是本征脸（eigenface）方法

主要为大家详细介绍了人脸识别经典算法一，特征脸方法Eigenface，具有一定的参考价值，感兴趣的小伙伴们可以参考一下