人脸识别经典算法一人脸识别经典算法一 特征脸方法（特征脸方法（Eigenface））
主要为大家详细介绍了人脸识别经典算法一，特征脸方法Eigenface，具有一定的参考价值，感兴趣的小伙伴们
可以参考一下
这篇文章是撸主要介绍人脸识别经典方法的第一篇，后续会有其他方法更新。特征脸方法基本是将人脸识别推向真正可用的第
一种方法，了解一下还是很有必要的。特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分
分析法) 。本文的参考资料附在最后了^_^
步骤一：获取包含M张人脸图像的集合S。在我们的例子里有25张人脸图像（虽然是25个不同人的人脸的图像，但是看着怎么
不像呢，难道我有脸盲症么），如下图所示哦。每张图像可以转换成一个N维的向量（是的，没错，一个像素一个像素的排成
一行就好了，至于是横着还是竖着获取原图像的像素，随你自己，只要前后统一就可以），然后把这M个向量放到一个集合S
里，如下式所示。
步骤二：在获取到人脸向量集合S后，计算得到平均图像Ψ，至于怎么计算平均图像，公式在下面。就是把集合S里面的向量
遍历一遍进行累加，然后取平均值。得到的这个Ψ其实还挺有意思的，Ψ其实也是一个N维向量，如果再把它还原回图像的形
式的话，可以得到如下的“平均脸”，是的没错，还他妈的挺帅啊。那如果你想看一下某计算机学院男生平均下来都长得什么样
子，用上面的方法就可以了。
步骤三：计算每张图像和平均图像的差值Φ，就是用S集合里的每个元素减去步骤二中的平均值。
步骤四：找到M个正交的单位向量un，这些单位向量其实是用来描述Φ（步骤三中的差值）分布的。un里面的第
k（k=1,2,3...M)个向量uk是通过下式计算的，
评论0