基于整幅人脸图像的识别算法

基于整幅人脸图像的识别算法是指通过对整张人脸图像进行分析和处理，从中提取出人脸的特征向量，再通过比对来实现人脸的识别。这种算法常见的有以下几种：

1. 特征脸法（Eigenfaces）：该算法通过对一组人脸图像进行主成分分析（PCA）得到一组基，称为特征脸，将每张人脸图像投影到这些基上得到一个特征向量，再通过比对这些特征向量来实现人脸识别。

2. Fisherfaces：该算法是特征脸法的改进版，主要是通过线性判别分析（LDA）来提高分类器对人脸差异的敏感度，从而提高识别率。

3. Local Binary Patterns（LBP）：该算法是一种基于纹理特征的算法，通过对人脸图像进行局部二值化处理，得到一组LBP特征向量，再通过比对这些特征向量来实现人脸识别。

4. 非负矩阵分解（NMF）：该算法通过将人脸图像矩阵分解成两个非负矩阵的乘积，得到一组局部特征向量，再通过比对这些特征向量来实现人脸识别。

这些算法都是比较经典的基于整幅人脸图像的识别算法，它们在实际应用中都有很好的效果。