【OpenCV-Python】——Haar人脸检测&深度学习人脸检测&EigenFaces/FisherFaces/LBPH人脸识别

OpenCV-Python提供了多种人脸检测和人脸识别的算法，其中常用的包括Haar人脸检测、深度学习人脸检测以及EigenFaces/FisherFaces/LBPH人脸识别。

1. Haar人脸检测：
Haar人脸检测是一种非常流行的基于机器学习的人脸检测方法，它通过训练得到一个分类器，利用Haar-like特征来判断图像中是否存在人脸。在OpenCV中，我们可以使用cascade分类器进行Haar人脸检测。

2. 深度学习人脸检测：
深度学习人脸检测是最近几年兴起的一种基于深度神经网络的人脸检测方法，其准确率相比传统的基于机器学习的方法有所提升。常见的深度学习人脸检测模型包括SSD、YOLO和RetinaFace等。

3. EigenFaces/FisherFaces/LBPH人脸识别：
EigenFaces/FisherFaces/LBPH人脸识别是三种经典的人脸识别算法。EigenFaces是基于PCA的人脸识别算法，它通过对人脸图像进行降维，找到人脸图像最重要的特征信息，然后利用这些特征信息进行人脸识别。FisherFaces是基于LDA的人脸识别算法，它通过找到对于识别最有区分性的特征来提高分类准确率。LBPH是一种基于局部特征的人脸识别算法，它可以保留更多的细节信息，因此更适合于复杂的情况下进行人脸识别。

以上三种算法在OpenCV中均有实现，并且可以通过训练得到自己的识别器，实现较好的人脸识别效果。在实际应用中，我们可以根据自己的需求选择不同的算法和模型。