【注意】本博文的档次适合Opencv初学者，和要做本科生毕业设计这类档次。
昨天晚上刚刚参加了某s*i*p的答辩，发现就是走个流程，与Q群里面其他学生的学校比起来，我们学校编程与其他学校差距较大，在此我把我所做的东西开源展示给大家(其实都是调用Opencv进行识别，并不是什么好东西，网上已经烂大街了)
下面是程序的运行截图(这里我直接放我总结报告的里面的截图)：
添加用户的截图：
拍照后：(在此文件夹有记录)
点击照片处理后Data中会根据编号创建文件夹
点击照增加csv和模型训练后，就会生成xml文件，随后就可以进行人脸识别
测试结果：
当人脸库中无此人数据时识别结果截图：
当增加此人数据后运行结果：
识别过程中，人突然跑开，或者人脸精度不大时：
本程序开源，在此是源码下载地址，
http://download.csdn.net/detail/qq78442761/9832957
【注意】此源码对Opencv2.4.9库的调用已经用CMake编译成MinGW可用的，在此不再说明
CMake然后编译OpenCV
http://blog.csdn.net/qq78442761/article/details/54342479
在本节的最后，我想简单交代下识别原理和流程，方面大家对程序的理解：
PCA的全称是Principal Component Analysis主成份分析。
原理简单说就是：提取人脸的主要成份，构成特征脸空间，将待识别的人脸投影到特征脸空间上得出特征向量，然后采用欧式距离算出这个特征向量与平均人脸的差值的距离，然后定义一个阈值，当满足这个阈值时则识别成功。(公式我就不写了，毕竟待会用Opencv调用的时候就几个函数，就能实现上述的功能)
在这里的提取人脸主要成分，其实是把图像矩阵向量化，计算平均值，然后计算差值，再构造协方差，提取协方差的特征向量和特征值，这些特征向量构成的总和就是特征脸空间，然后把每一幅人脸与平均脸的差值的矢量投影到特征脸空间，就达到了模型训练(这些都是理论，在Opencv里面就几个函数调用，极其简单)
在此再说下OPencv人脸识别的流程，方面下一节对程序的理解。
OpenCV人脸识别流程： 1.人脸采集； 2.人脸处理； 3.模型训练； 4.人脸识别；
所以在下几节的内容中我将逐步分析，这4个流程，最终达到人脸识别！
