我爱智能

关于这部分主要是想在python下试验一下主成分分析（PCA）算法以及简单的人脸识别。曾经详述过matlab下的PCA以及SVM算法进行人脸识别技术，参考如下：主成分分析法-简单人脸识别（一）主成分分析-简单人脸识别（二）PCA实验人脸库-人脸识别（四）PCA+支持向量机-人脸识别（五）主成分分析（PCA）算法主要是对高维数据进行降维，最大限度的找到数据间的相互关系，在机器学习、数据挖掘上很有用。在

k均值（kmeans）聚类是一种最为简单的聚类方法，直接根据数据点之间的距离（欧氏距离，几何距离等等）来划分数据是属于哪一类的，当所有数据点所属的类别不在变化的时候，聚类也就完成了。详细原理可索引下面一个博客：聚类分析笔记-K均值matlab算法（一）关于kmeans再谈几点认识：重要的一点：聚类数目的问题。有的聚类、分类问题已经限制好了要聚类成几类，也就是聚类数目一定，那么这种聚类通常简单些，直

(1)目前最新的opencv库为opencv 3.0.0 库，其下载地址为：http://opencv.org/downloads.html Vs最新的可能达到了vs2015，考虑软件太大，且opencv中并没有对应vs2015版本的opencv，所以选择老一点版本的vs2010（2）下载完的opencv为exe文件，解压一下会出现两个文件夹如下： （3）下面是配置电脑的属性，打开：计算机 >

主要包括有OpenCV、Weka和Matlab，另外其中包含LibSVM、Vlfeat和DeepLearnToolbox等。1.OpenCV主页：http://opencv.org/ 下载地址：http://opencv.org/downloads.html 编程环境：VS 版本：3.0.0 教程：doc\opencv_tutorials.pdf API接口：doc\opencv2refm

所谓光流，是计算机视觉研究领域的术语，直观的认识就是提供一个对运动物体的的描述，因此也常用于运动物体的检测与识别。现实生活中，我们之所以能感受到物体的动与不动，就是因为这个物体在前后两个时间点上出现在了不同的位置，我们人脑自动根据这个偏差就可以知道物体是运动了还是没有运动，是变远了还是变近了等等。那么基于这种思想下的运动目标检测，就诞生了光流。所以可以看出，光流不但可以检测出物体是否存在运动，运动的

后续将简单介绍光流法的一些简单实现包，包括opencv下的光流算法与matlab下的光流算法。该节主要介绍opencv下的光流实现。Opencv的光流实现由好几个方法可以（也就是说有好几个函数可以用），每个函数当然也对应着不同的原理，那么它的效果以及算法的速度等等就会有一些差别。主要包括以下几种： calcOpticalFlowPyrLK calcOpticalFlowFarneback ca

上节说到过的calcOpticalFlowPyrLK光流算法，可以看到它实际上是一种稀疏特征点的光流算法，也就是说我们先找到那些（特征）点需要进行处理，然后再处理，该节介绍下一个全局性的密集光流算法，也就是对每一个点都进行光流计算，函数为calcOpticalFlowFarneback。首先介绍参数，详细的介绍 参见opencv手册参数一大推，得看一会。有些参数可能带来的影响不是很大，那么使用它