主成分分析方法是基於k-l變換的基礎上實現的。
k-l變換首先利用樣本的資料構建協方差矩陣，計算出協方差矩陣的特徵值和對應的特徵向量，通過特徵向量來找出促使樣本離散程度達到最大的特徵向量投影方法。pca方法的核心思想是首先將經過預處理後的人臉特徵表達向量進行k-l變換，以消除原有向量各個分量之間的相關性，在k-l變換過程中去掉了那些帶有少量資訊的分量，特徵空間的維數也相應降低了。
turk和pentland把pca方法引入到人臉識別領域中，並取得了成功。隨後主成分分析法就成為了人臉識別的主要方法之一。
k-l變換的核心問題的方法是計算出協方差矩陣的特徵值和特徵向量，待測樣本的特徵向量通過k-l變換後，去掉了那些帶有少量資訊的分量，保留了帶有絕大部分資訊的正交特徵向量，因此，k-l變換具有特徵提取，降低特徵向量維數的優點。
fisher線性判別分析:
基本思想是計算出使fisher準則函式達到極值的向量，並將此向量作為最佳投影方向，樣本在該方向上進行投影，投影後的特徵向量具有類間離散度最大，類內離散度最小特點。將特徵向量（直接將影象轉換成1*mn）對映到k個低維的向量上（這k個低維的向量就是判別向量），然後判斷離哪個類別最近，就屬於哪個人的人臉。
DeepFace Facebook的人臉識別
連續看了deepid和facenet後，看了更早期的一篇 即fb的deepface。這篇 早於deepid和facenet，但其所使用的方法在後面的 中都有體現，可謂是早期的奠基之作。因而特寫博文以記之。人臉識別的基本流程是 detect align represent classify分為如下幾步...
DeepFace Facebook的人臉識別
連續看了deepid和facenet後，看了更早期的一篇 即fb的deepface。這篇 早於deepid和facenet，但其所使用的方法在後面的 中都有體現，可謂是早期的奠基之作。因而特寫博文以記之。人臉識別的基本流程是 detect aligh represent classify分為如下幾步...
opencv 人臉識別 （二）訓練和識別
環境 vs2010 opencv 2.4.6.0 特徵 eigenface input 乙個人臉資料庫，15個人，每人20個樣本 左右 output 人臉檢測，並識別出每張檢測到的人臉。1.為訓練資料預處理 為灰度 對齊 歸一化 void resizeandtogray char dir,int k...