PCA人脸识别个人理解及步骤
前言
PCA,即主成分分析,是一种数据降维的方法,也是一种古老而经典的人脸识别的算法。理解PCA算法的原理和步骤,对我们的思维启发还是很有帮助的。虽然说在众多的人脸识别中,PCA是较简单的,但是要想清楚了解PCA人脸识别的详细步骤和细节还是不容易的,尤其是对初学者而言。下面我详细介绍一下PCA人脸识别的步骤。
目录
1. 人脸图像标准化处理
将待训练的样本图像进行标准化处理,去除背景信息,并进行人脸中心化处理,最终转化成尺寸一致的人脸图像(一般是灰度图像)。手标很麻烦,可以利用人脸检测,将人脸矩形区域提取出来。人脸检测也有相应的算法,这里不展开了。
2. 构造训练样本
设一张人脸图像尺寸为
3. 零均值化
求出平均脸
4. 求协方差矩阵
协方差矩阵是
5. 求协方差矩阵的特征值、特征向量
求
6. 求零均值人脸样本的投影
求特征脸
7. 求测试样本的零均值人脸样本并求特征脸
8. 对训练样本特征脸,测试样本特征脸构造距离矩阵
对训练样本特征脸、测试样本特征脸构造距离矩阵按照最临近原则归类。