PCA人脸识别

PCA方法由于其在降维和特征提取方面的有效性，在人脸识别领域得到了广泛的应用。
其基本原理是:利用K-L变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。
进行人脸识别的过程，主要由训练阶段和识别阶段组成：

训练阶段

第一步：写出训练样本矩阵，其中向量xi为由第i个图像的每一列向量堆叠成一列的MN维列向量,即把矩阵向量化。假设训练集有200个样本,，由灰度图组成，每个样本大小为M*N。

第二步：计算平均脸

$$\Psi = \frac{1}{{200}}\sum\limits_{i = 1}^{i = 200} {{x_i}}$$
第三步：计算差值脸,计算每一张人脸与平均脸的差值
$${d_i} = {x_i} - \Psi ,i = 1,2,...,200$$
第四步：构建协方差矩阵

C=1200∑i=1200didiT=1200