基于PCA的人脸识别流程

人脸识别技术是基于人的脸部特征，对输入的人脸图象或者视频流 . 首先判断其是否存在人脸 , 如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。人脸图像一般用二维矩阵表示，在有大量图片的情况下，维数很高，直接计算则耗时较长，效率极低。因此进行降维处理则会大大提高效率和准确率，这里我们采用PCA对人脸图像进行降维和特征提取，并用欧氏距离进行分类，从而进行人脸识别。流程如下：

    1、读取训练集下指定个数的图像，将人脸的像素其保存到到一个二维数组中，将该数组按列排成列向量，即每一列表示一张图像的像素信息。如果有S张人脸图像，则X=[MN,S]；

    2、每一行取得均值，每行的元素减去均值，得到每张人脸与平均人脸的差值，组成新矩阵X；

    3、计算X的协方差矩阵C，大小为MN*MN；

    4、计算C的特征值即特征向量，共有MN个特征值及特征向量；

    5,、选择主成分，把特征值从大到小排序，选择前R个特征值使得R个特征值占所有特征值得90%以上，随后将特征向量按行排列，则P=[R,MN]；

    6、将训练集投影到特征空间，Y=PX=[R,S]。

    7、将测试集也投影到特征空间，假如测试集有K张图像，那么降维后矩阵为[R,K]。

    8、每一张图像[R,1]与特征空间[R,S]用欧氏距离法求出与其最相近的一个图像，识别为该类。所有测试集识别完后，最后求出识别率。