eigenface

eigenface实现人脸识别

采用PCA方法，利用YALE的人脸数据库做人脸识别，15个人，165张图片，每张图片大小为100*100

这里yale文件中是源图片，通过changename.py将名字更改，存放到picture文件下

eigenface具体步骤
1.读取训练所需要的图片，这里使用subjectxx.normal.bmp文件，共15张图片，每张图片拉直为一个（1，100*100）的向量，合并成为一个（15，100*100）的大矩阵

import numpy as np
import cv2
import os

def loadImageSet(add):
    FaceMat = np.mat(np.zeros((15,100*100)))
    j =0
    for i in os.listdir(add):
        if i.split('.')[1] == 'normal':
            try:
                img = cv2.imread(os.path.join(add,i),0)
                #0表示读取灰度图
            except:
                print('load %s failed'%i)
                #变成一个向量
            j += 1
    return FaceMat

2.计算平均矩阵avgImg，得到偏差矩阵diffTrain（以下推导中记偏差矩阵为T）

FaceMat = loadImageSet('picture').T
avgImg = np.mean(FaceMat,1)
diffTrain = FaceMat-avgImg

3.计算协方差矩阵$S=TT^T$，注意到$T的大小为(100*100,15)$,$S将会巨大（100*100,100*100)$，为了避免计算大矩阵特征值，特征向量，采用如下方法。

T