人脸识别初步

实现步骤：

1、人脸图像采集及检测

2、人脸图像预处理

3、人脸图像特征提取

4、人脸图像匹配与识别

（预处理->图像处理；特征提取->图像分析；匹配与识别->模式识别）

人脸识别算法分类

基于人脸特征点的识别算法（Feature-based recognition algorithms）。

基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。

基于模板的识别算法（Template-based recognition algorithms）。

利用神经网络进行识别的算法（Recognition algorithms using neural network）。

版本设计

初版：采用ORL人脸库，省掉人脸图像采集及检测、人脸图像预处理。直接做特征提取和匹配识别。
        所用工具：C++，opencv

复版：不用ORL人脸库，加入人脸图像采集及检测、人脸图像预处理。用电脑摄像头采集图像。

初版：

基于PCA和SVM的人脸识别

PCA：Principal Component Analysis，主成分分析

SVM：Support vector machine，支持向量机

第一步：数据集分割。

实验数据集采用ORL人脸库，将整个数据集分为两部分：训练集和测试集。

ORL人脸库特点：图像在光照，以及关键点如眼睛、嘴巴的位置等方面比较规范。如果采用不满足这些特点的图片库，需要进行归一化和校准等工作（二期工程）。

附：ORL人脸库 http://download.csdn.net/detail/cheyanxin2009/9459249

第二步：读入训练图像。

生成人脸样本矩阵（存入人脸全样本信息），维数高。

第三步：利用PCA提取人脸特征。（基于代数特征或统计学习的表征方法）

归类于图像处理技术中的特征提取，利用PCA降维去除像素之间的相关性。

第四步：利用SVM做识别。

生成人脸样本矩阵（存入人脸全样本信息），维数高。