dhj555的博客

本文介绍了对一组照片进行PCA处理的过程和结果。本文使用OpenCV的PCA处理函数，参考了夏天的味道的博客opencv pca。本文使用的照片来源于YelaFaces（直接Baidu就能找到在优快云上的下载链接，就不上传了）。PCA处理的基本步骤为：1、获取m个样本，每个样本有n个特征。2、每个样本作为一行，构成m

原理        PCA方式用于提取相似样本的共有特征，将样本投影到特征向量构成的特征空间可以使用较少的量表示原本复杂的量。在此的基础上，使用投影值可以重构出样本。若特征空间提取优良的话，重构出来的样本与原始样本将非常相似。因此可以通过重构的方式来实现人脸的变换。        本文原理：①将两个不同的人脸投影到特征空间，获得两个样本各自的投影坐标（n维，n为特征向量的数量）；②在n维空

PCA方法作为一种图像统计处理方法，平等地对待所有点，角度、光照、尺寸及表情的变化会导致识别率急剧下降。其次人脸在人脸空间的分布近似高斯分布，普通人脸靠近均值附近，难以识别。PCA具有好的表达能力，但是区分能力不足。其次，PCA将样本转化为一行，生成一个q行m*n列的矩阵（q为样本数），计算变得复杂。近年来发展了很多对PCA的改进方法，2DPCA（2-dimensional principal component analysis）就是其中一种。