1、计算特征脸
二维人脸图像R=n*m,人脸图像训练集为{Ri|i=1,2,...,p},p为训练数据集总数。这p张图像的平均向量(均值)为:R均=1/p(R1+R2+R3+...+Rp);
训练样本集进行规范化,即每个人脸Ri与平均人脸R均的差值向量:Ai=Ri-R均 i=1,2,3,...,p
其中列向量Ai表示一个训练样本。
训练数据集由协方差矩阵表示为:C=AAT,AT表示A 的转置矩阵,其中训练样本集为nm*p维矩阵A=[A1,A2,A3,...,Ap]
特征脸由协方差矩阵C的正交特征向量组成。对于nm维人脸图像,协方差矩阵C的大小为nm*nm,对它求解特征值和特征向量得引入奇异值分解(SVD)来解决高维问题。
2、选取特征向量
共有p个特征向量(p个训练样本数目p<nm),但是p包含的信息不一定都有用,因此可以继续进行降维,因此需要进行特征选取。使用K_L变换进行特征选择。
3、基于特征脸的人脸识别
训练阶段+识别阶段
4、SVM算法(支持向量机算法)
a. 训练集T={(x1,y1),(x2,y2),(x3,y3),(x4,y4),...,(xl,yl)},其中xi属于R,yi属于Y={-1,1},i=1,2,...,l.
b. 选择核函数K(xi,yi)和惩罚函数C,构造并求解最优化问题: