机器学习之基于Fisher线性分类器实现多类人脸的识别

基于 ORL 人脸库，基于 Fisher 线性分类器实现多类人脸的识别问题。
本次实验相比起之前的二分类人脸识别问题，复杂很多。而且程序的识别效果并不好，应该是程序本身的问题，各位路过的大佬仅当做参考，有不对的地方希望批评指正。
本次实验实现的是基于Fisher线性分类器的人脸四分类问题。

1.图像处理

def Get_img(file_path):
    train_set = np.zeros(shape=[1,32*32])
    # print(file_path)
    for filename in os.listdir(file_path):
        img = cv2.imread(file_path+'/'+filename,cv2.IMREAD_GRAYSCALE)
        img = cv2.resize(img,(32,32))#调整一下图片的大小，之前图片比较大，后面计算的时候不太方便
        n,m = img.shape
        res = img.reshape(1,n*m).tolist()
        train_set = np.row_stack((train_set,res))
    return train_set

2.Fisher函数

四分类的Fisher函数大部分与二分类的Fisher函数相同，但是也有不一样的，具体的可以参考学长的一篇博客，只不过这是Matlab版本的。

def Fisher(w1,w2,w3,w4,W):
    w1 = w1.T
    w2 = w2.T
    w3 = w3.T
    w4 = w4.T
    W = W.T
    sz1 = np.size(w1,1)
    sz2 = np.size(w2,1)
    sz3 = np.size(w3,1)
    sz4 = np.size(w4,1)
    #第一步：计算样本均值向量
    avg1 = np.mean(w1, axis=