人脸识别常用算法解析：Eigenfaces、Fisherfaces、LBP、Haar-cascade、深度学习

人脸识别常用的算法有以下几种：

Eigenfaces算法：通过主成分分析将人脸图像映射到一个低维度空间，并将其表示为一组'特征脸'，然后通过比较测试图像与存储的特征脸来识别人脸。
Fisherfaces算法：通过线性判别分析将人脸图像从高维度空间投影到一个低维度空间，以便更好地区分不同的人脸。
Local Binary Pattern (LBP)算法：通过分析图像中像素的局部二值模式来提取人脸特征，然后通过比较测试图像与存储的特征来识别人脸。
Haar-cascade算法：通过级联分类器将图像中的人脸区域与非人脸区域进行分类，以便检测和识别人脸。
Deep learning算法：通过深度神经网络学习人脸图像的特征表示，并使用softmax分类器来进行人脸识别。常用的深度学习模型包括卷积神经网络（CNN）、残差网络（ResNet）和人脸识别特定的模型如FaceNet、DeepFace等。