一、Eigenfaces(特征脸)算法
在如今的世界,人脸识别也变得越来越重要,应用越来越广泛,比如人脸识别可用于身份认证、摄影、支付、视频等领域。现在人脸识别一般采用三种经典算法:Eigenfaces、Fiserfaces、LBPH,首先我来总结一下对Eigenfaces算法的一些学习情况或者认识。
Eigenface是在人脸识别的计算机视觉问题中使用的一组特征向量的名称,Eigenfaces是基于PCA(主成分分析)的,所以学习Eigenfaces需要我们了解PCA的原理。
主成分分析是一种矩阵的压缩算法,在减少矩阵维数的同时尽可能的保留原矩阵的信息,简单来说就是将 n×m的矩阵转换成n×k的矩阵,仅保留矩阵中所存在的主要特性,从而可以大大节省空间和数据量。下面简单的介绍一下它的数学原理:
假设一个坐标是(3,2),我们都知道在二维中3表示横坐标,2表示纵坐标。而坐标(1,0)(0,1)则为一个基点,可以说对于任意的一个坐标点(x,y)都可以表示为:
这个式子中的最左前方的部分的每一个行向量则代表一个基向量。如果想要更换基向量,我们就需要进行投影,将矩阵进行变换,