有哪些非深度学习的人脸识别算法

除了深度学习算法，还有很多传统的非深度学习算法可以用于人脸识别。下面列举一些常用的非深度学习的人脸识别算法：

1. Eigenfaces算法：Eigenfaces算法是一种基于PCA（Principal Component Analysis，主成分分析）的人脸识别算法，它将人脸图像分解为若干个特征脸，并使用这些特征脸进行人脸识别。

2. Fisherfaces算法：Fisherfaces算法是一种基于LDA（Linear Discriminant Analysis，线性判别分析）的人脸识别算法，它将人脸图像映射到一个低维子空间中，并使用这个子空间进行人脸识别。

3. Local Binary Patterns (LBP)算法：LBP算法是一种基于纹理特征的人脸识别算法，它将人脸图像分成若干个小区域，并计算每个区域的LBP特征，最后将这些特征进行融合进行人脸识别。

4. Gabor Wavelets算法：Gabor Wavelets算法是一种基于Gabor小波特征的人脸识别算法，它将人脸图像分解为若干个不同方向和尺度的Gabor小波，然后使用这些小波进行人脸识别。

5. HOG (Histogram of Oriented Gradients)算法：HOG算法是一种基于梯度特征的人脸识别算法，它将人脸图像分成若干个小区域，并计算每个区域的梯度直方图特征，最后将这些特征进行融合进行人脸识别。

这些非深度学习的人脸识别算法都有各自的特点和优缺点，在实际应用中需要根据具体的需求和场景进行选择。