PCA主元分析法人脸识别概述性小结
来源:互联网 发布:卓正软件 编辑:程序博客网 时间:2024/04/29 12:26
PCA,即主元分析法,是用来做数据降维的一种方法。从思想上讲,一个高纬的数据,往往包含很多多余的信息,我们希望将其取出,尽可能地降到一个较低的维度,但同时又必须保证其数据失真尽可能小。PCA就是一套算法,在保证重建误差最小的情况下,提取出高维数据的主元,从而实现数据的降维。
下面具体来说PCA算法在人脸识别中的算法流程,前提:有一个训练图集,里面放着同一个人的脸(对齐过的),并且每张图长宽的像素点都相同(比如160*120);有一个测试图集,里面放着待测图像,待测图像的长宽像素点与训练图集一样。
PCA的算法流程是:
一、训练流程
S1:构筑训练图像矩阵:将每一张人脸图张开成一维行向量(也可以是列向量,但以下的计算都是用行向量),训练集中所有图像组成一个训练图像矩阵,每一个行向量代表一张图。
S2:计算平均脸、协方差矩阵:平均脸就是将所有的行向量求平均得到的一个平均的行向量,将每张脸向量按下面公式计算得到协方差矩阵。
S3:计算协方差矩阵的特征值与特征向量,取前r大的特征值对应的特征向量构成r维特征空间,r
阅读全文
0 0
- PCA主元分析法人脸识别概述性小结
- PCA主元分析法人脸识别概述性小结
- PCA主元分析法人脸识别概述性小结
- **PCA主元分析法小结(人脸识别概述性)
- PCA主成分分析人脸识别
- 基于MATLAB,运用PCA+SVM的特征脸方法人脸识别
- PCA(主分量分析)在人脸识别中的应用
- PCA(主分量分析)在人脸识别中的应用
- 基于PCA(主成分分析)的人脸识别
- 基于PCA(主成分分析)的人脸识别
- 主元分析(PCA)原理
- 主元分析PCA原理以及应用
- 主元分析(PCA)原理
- Principal components analysis(PCA):主元分析
- 主元分析法PCA学习笔记
- 主元分析(PCA)原理
- 主成分分析(PCA)与图像识别
- PCA算法人脸识别小结--原理到实现
- spring使用注解做Test测试类
- XP硬盘安装Ubuntu双系统遇到的vmlinuz File Not Found问题原因分析及解决
- Avoiding “using namespace std”
- Citymaker地下管廊伟景行三维Gis透视效果和地下模式代码实现
- Postgres单用户模式
- PCA主元分析法人脸识别概述性小结
- 二叉树中序找下一个元素
- 2.7 Linux模块机制
- C++中堆和栈的区别
- windows下扩展yaf,并生成yaf框架文件
- ftp传输主动被动模式设置
- 2017全球软件架构技术大会8大主题
- logback--配置(显示类名、方法名、代码行号问题)
- AAAI 2017