frisian
基于OpenCV的人脸识别算法研究与实现
作者： 冯婧 顾梅花
来源：《电脑知识与技术》2020年第14期报考研究生
简单易懂的英文小说>英语介词的用法
初中学习网会计信息采集网 摘要：基于OpenCV的人脸识别算法，具体为局部二值模式直方图（LBPH），特征脸（Eigenface）以及Fisherface算法。介绍了各个算法的核心思想、具体实现步骤、应用场景以及优缺点，并在OpenCV平台上采用Python语言对三种算法进行仿真调试。实验结果显示，LBPH、Eigenface、Fisherface三种算法的正确率分别可达98.56%、81.16%和89.13%。
上海市延安中学 关键词：人脸识别;OpenCV;LBPH;Eigenface;Fisherface
中图分类号：TP391 文献标识码：A
文章编号：1009-3044（2020）14-0003-03
1引言
人脸识别作为一种主流的生物识别方法，被广泛应用于众多身份鉴别场景，是当下计算机视觉与模式识别领域的研究热点。但是，当面临不同的采集环境，人脸的多姿态问题，即光照问题，表情变化问题，遮挡干扰问题等都给人脸识别带来了挑战，因此人脸识别算法的研究仍有重大意义。本文介绍了基于OpenCV的三种经典人脸识别算法，即局部二值模式直方图（LBPH）算法，特征脸（Eigenface）算法以及Fisherface算法，并给出了相关实验结果与分析。
2基于openCV的三种经典人脸识别算法
marsh
什么是bbs>joyful 2.1局部二值模式直方图（LBPH）算法
2.1.1原理
局部二值模式（Local Binary Patterns，LBP）在1996年由Timo Ojala等人提出。算法的核心原理是先将人脸灰度图像分成若干小的区域，通过对这些小的区域采用相应的LBP算子进行处理，获得相应的LBP值后，再绘制体现人脸特征信息的LBP统计直方图，并将测试统计直方图与训练统计直方图进行相似度比较，与测试样本最为相似的训练样本即为识别结果。
