如何使用matplotlib中的類PCA進行人臉識別？

Question

我正在嘗試使用python構建面部識別的代碼。現在我可以將我的所有數據庫圖像放入一個二維數組中，以便能夠對它們應用主成分分析（PCA）。我在matplotlib中找到了一個名爲PCA的類，但我想知道如何將它用於人臉識別。

這裏所提到的類的描述：

class matplotlib.mlab.PCA(a) 
compute the SVD of a and store data for PCA. Use project to project the data onto a reduced set of dimensions 

Inputs: 

a: a numobservations x numdims array 
Attrs: 

a a centered unit sigma version of input a 

numrows, numcols: the dimensions of a 

mu : a numdims array of means of a 

sigma : a numdims array of atandard deviation of a 

fracs : the proportion of variance of each of the principal components 

Wt : the weight vector for projecting a numdims point or array into PCA space 

Y : a projected into PCA space 

The factor loadings are in the Wt factor, ie the factor loadings for the 1st principal component are given by Wt[0] 

Answer 1

他們關鍵概念是你項目面臨到一個更高維空間，然後測量在這個空間他們之間的距離。

我是從這個文件引用（看起來像一個分配的一類）：

http://www.umiacs.umd.edu/~knkim/KG_VISA/PCA/FaceRecog_PCA_Kim.pdf

「PCA計算這是由它的培訓載體，這些基向量代表的空間的基礎上，。實際上，由PCA計算得到的特徵向量是在訓練向量的最大方差的方向上，如前所述，我們稱之爲特徵臉

每個特徵臉可以被看作一個特徵。臉部空間，它的矢量到臉部空間描述的重要性o f臉上的每一個特徵。臉部通過其特徵臉係數（或權重）表示在臉部空間中。我們只能通過在臉部空間中使用其小權重向量來處理大輸入向量，面部圖像。這意味着我們可以用一些錯誤來重建原始的人臉，因爲圖像空間的維度比臉部空間的維度大得多。

在本報告中，我們只考慮面部識別。訓練集中的每個臉部都被轉換成臉部空間，其組件被存儲在內存中。臉部空間必須填充這些已知的臉部。輸入面被賦予系統，然後投影到面部空間。該系統計算的距離存儲的所有面孔「

有幾個可用的教程，這裏是我的最愛：。

• http://scikit-learn.org/dev/auto_examples/applications/face_recognition.html

  http://www.tp.umu.se/~nylen/pylect/advanced/scikit-learn/index.html#id9

  http://www.janeriksolem.net/2009/01/pca-for-images-using-python.html