前言
pca，即主成分分析，是一種資料降維的方法，也是一種古老而經典的人臉識別的演算法。理解pca演算法的原理和步驟，對我們的思維啟發還是很有幫助的。雖然說在眾多的人臉識別中，pca是較簡單的，但是要想清楚了解pca人臉識別的詳細步驟和細節還是不容易的，尤其是對初學者而言。下面我詳細介紹一下pca人臉識別的步驟。
1.人臉影象標準化處理
將待訓練的樣本影象進行標準化處理，去除背景資訊，並進行人臉中心化處理，最終轉化成尺寸一致的人臉影象（一般是灰度影象）。手標很麻煩，可以利用人臉檢測，將人臉矩形區域提取出來。人臉檢測也有相應的演算法，這裡不展開了。
2.構造訓練樣本
設一張人臉影象尺寸為m*n，則將畫素按列排開，在轉置一下得到1行
3.零均值化
求出平均臉，將trainsamples每行減去meanface，得到zeromeantrainsamples
4.求協方差矩陣
當然也可以採用svd，奇異特徵值分解的方法求。
5.求協方差矩陣的特徵值、特徵向量
求cov特徵值d、特徵向量，並單位化正交化，得到特徵向量v。按貢獻率從高到地重新排序。取前p個特徵值，特徵向量。得到投影矩陣
6.求零均值人臉樣本的投影
得到特徵臉
7.求測試樣本的零均值人臉樣本並求特徵臉
8.對訓練樣本特徵臉，測試樣本特徵臉構造距離矩陣
按照最臨近原則歸類
如何識別個人發展領域？
知道自己想成為什麼樣的人，建立自己的個人願景，這是個人發展的第一步。下一步就是了解你現在所在的位置，從這點對標目標，就能識別出哪些領域，每個領域當中其中哪些能力和技能需要提高。具體如下 01 自我認知 即了解自己的長處，短處，與實現目標所需要的技能和能力對比，發現差距。差距就是需要發展，需要攻克，需...
pca演算法實現人臉識別
用matlab實現的pca演算法，用於降維，適用於各種試驗，如人臉識別程式。使用方法 1 選擇訓練和測試的資料庫路徑 2 選擇測試影象的路徑 3 執行createdatabase 函式給訓練影象建立二維矩陣 4 執行 eigenfacecore 函式建立基本的空間 5 執行 recognition ...
基於PCA的人臉識別步驟
人臉識別是乙個有監督學習過程，首先利用訓練集構造乙個人臉模型，然後將測試集與訓練集進行匹配，找到與之對應的訓練集頭像。最容易的方式是直接利用歐式距離計算測試集的每一幅影象與訓練集的每一幅影象的距離，然後選擇距離最近的影象作為識別的結果。這種直接計算距離的方式直觀，但是有乙個非常大的缺陷 計算量太大。...