时间流浪者

网上很多帖子、博客在谈人脸识别、人脸检测，其实很多都弄混了，现在来纠正一下。（观点只代表作者本人）人脸识别是对已知人脸进行分类的过程。就像我们看到其他人一样能够分辨出谁是自己的朋友谁不是。人脸识别通常包括以下四个步骤：1）人脸检测：是在图像中定位人脸区域的过程。（也就是关心是不是人脸，至于关心是谁不是这个步骤的任务）2）人脸预处理：调整人脸图像，使其看起来更加清楚。3）搜集和学习人

最近参见了中兴捧月的比赛，有一点心得，记录于此，供大家学习参考，有不妥之处忘提出，在下面评论哈。人脸识别分为人脸检测、人脸预处理、搜集和学习人脸以及人脸识别四个部分，此部分将人脸检测。本文基于opencv进行的。在opencv中常用的人脸检测器有基于LBP的特征检测、基于Haar的特征检测，两者的区别：前者比后者快好几倍且不需要许可协议，但很多Haar检测器需要许可协议。基于Haar的

说明一下，我的实现是将一张图像输入到程序中，程序给出这张图片的属性值，包括：性别、是否带帽子、是否戴眼镜、是否带口罩以及遮挡物的颜色。说说思想吧，当然遮脸跳过了搜集和训练的这一步，这实现这一步包括了搜集和训练。我采用PCA（主成分分析算法）来实现训练和预测，用HSV颜色空间H值分量来进行颜色匹配。这里略去PCA算法的原理讲解，也略去HSV颜色空间匹配方法的介绍，如果有疑问的就在下面评论指出

再次说明，我使用的是HSV颜色空间的H值匹配来得到遮挡物（如：帽子，眼镜和口罩）的颜色。对于这部分，说说我的想法吧。我是将RGB颜色空间转化为HSV颜色空间，提取出待测图片的H值，因为不同颜色的H值不同，所以可以通过H值的确定来确定颜色。代码部分太长了这里就不给出了。给出HSV颜色空间H值所对应颜色下面给出结果：测试用图：结果：由于此项目由本人花费大量时间完成，属于作者

投影尽可能分散->方差最大PCA（主成分分析），其实就是根据数据之间的相关性来降低数据的维度，也就是说删除数据中不必要的，保留必要的。在数据之间或许存在某些变化，能够使数据之间相互转换。其中需要了解的数学知识：  当基的数量少于向量本身的维数，则可以达到降维的效果。那么如果选择最优基呢？对于数据该怎么优化呢？ 按行均值化为 现在问题来了：如果我们必须使...