主成分分析法的理解与人脸摆正实例

先前用pca对三维人脸进行了姿势坐标系的统一，只是照步骤来写代码，没有仔细推敲其中的原理。无论人脸是怎样姿势处理后都能够归一化其所在的坐标系。Pca算法为什么能把人脸摆正呢？->统计学中奥妙的冰山一角啊~

先说下主成分分析法的感性理解：有一个很长很细的棒子，从上往下看只有个圆点，那么“竖直“这个方向可以看做是这个物体最主要的方向。

 

假设这个棒子是斜的，获取了斜的方向，很容易将棒子摆竖直。这就是人脸姿势坐标系统一的原理。如果想对这个棒子进行压缩，那就可以压缩成一条线，忽略棒子的直径，这是我对采用主成分分析进行压缩的理解。

 

下面点集中的数据，可以看做有红蓝两个主要的方向。数据有几个维度就可能有几个”主要的方向“，称为主轴或主成分。