基于DiagPCA(对角主成分分析)及平均脸的方法对二维主成分分析(2DPCA)方法进行了改进 既考虑到构造2DPCA训练样本人脸间散布矩阵时使特征最大化，减少了同类人脸之间的特征差异，又利用图像矩阵对角化将图像的行、列关系联系起来，并利用ORL人脸数据库进行实验。结果显示．该方法可提高人脸识别率，且降低了特征提取的时间。

本文首先介绍了人脸识别技术的研究背景、国内外研究现状和应用场景；研究了Viola&Jones人脸检测算法的基本原理，并对其中涉及的Haar-like特征、积分图方法、AdaBoost分类器和级联的思想进行了阐述；研究了基于PCA实现的特征脸算法、基于LDA实现的Fisherfaces算法和局部二值模式直方图（LBPH）算法三种人脸识别算法的基本原理及思想；最后，通过上述理论学习，基于OpenCV，在Visual Studio 2012开发环境下，利用ORL人脸数据库，分别对上述算法进行了算法实现

一、实验目的 1、理解PCA（Principal Component Analysis）算法 2、在理解的基础上实现基于PCA算法的人脸识别技术 3、掌握Python的第三方库tkinter并使用它实现Python的GUI编程 二、实验要求 1、基于PCA算法实现人脸识别 2、在完成核心代码之后，给出UI界面，便于交互 3、实现打开文件管理系统，可以自主选择数据集以及测试图片 4、代码工整、逻辑清晰