人脸识别中主要算法的比较（待续）

1、基于PCA的识别算法

     主要有特征脸（Eigenface）算法和FisherFace算法。

       特征脸算法进行人脸识别的主要思想是将输入的人脸图像描述为“特征脸”的线性组合，不同的人脸特性用构成该种线性组合的系数来描述，其关键技术就是主成分分析----PCA。 人脸识别中用于描述人脸图像的向量维数都比较高，因此牛人就想到了用PCA进行降维。PCA算法简单有效，目前依然是人脸识别的流行算法之一，也是基准算法。

      FisherFace算法选取的特征空间是类内散布正交的矢量，使用该种特征脸空间可以弱化图像之间的识别信息无关的差异，不同人脸之间的差别得到突出，并弱化了表情，光照等因素的影响。

2、基于LBP算子的识别算法

3、基于隐马尔可夫模型的识别算法 --HMM

       在HMM基础上衍生的嵌入式隐马尔可夫模型EHMM和二维HMM对人脸识别有较高的识别率，鲁棒性较强，对让人脸表情，姿态的变化不敏感，对于人脸库的扩容性适应性好，新样本的加入不需要对所有样本进行重新训练，但是该算法实现比较复杂。

4、基于神经网络的识别算法

   &nbs