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
Ψ=1200∑i=1i=200xi
第三步:计算差值脸,计算每一张人脸与平均脸的差值
di=xi−Ψ,i=1,2,...,200
第四步:构建协方差矩阵
C=1200∑i=1200didiT=1200