PCA人臉識別個人理解及步驟
前言
PCA,即主成分分析,是一種數據降維的方法,也是一種古老而經典的人臉識別的算法。理解PCA算法的原理和步驟,對我們的思維啓發還是很有幫助的。雖然說在衆多的人臉識別中,PCA是較簡單的,但是要想清楚瞭解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。
目錄
1. 人臉圖像標準化處理
將待訓練的樣本圖像進行標準化處理,去除背景信息,並進行人臉中心化處理,最終轉化成尺寸一致的人臉圖像(一般是灰度圖像)。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算法,這裏不展開了。
2. 構造訓練樣本
設一張人臉圖像尺寸爲
3. 零均值化
求出平均臉
4. 求協方差矩陣
協方差矩陣是
5. 求協方差矩陣的特徵值、特徵向量
求
6. 求零均值人臉樣本的投影
求特徵臉
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
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。