PCA Face Recogition:使用PCA降维技术做一个人脸识别的简单demo 源码

PCA人脸识别 使用PCA降维技术做一个人脸识别的简单demo ·PCA:主接口,用于引入数据,训练模型。 ·fit:训练函数。 ·认识:识别新的人脸。 ·评估:计算投影矩阵在不同维度下的识别率,并绘制变化曲线。 ·重组:改造人脸。 ·showDataset:展示训练数据集图片。 ·showEigenFace:展示特征脸,这个其实就是投影矩阵,一张人脸是若干这种特征脸的线性组合。 ·showScatterPlot:展示人脸数据在二维,三维的分别,可视化更直观的感知数据。 ·ORL4646:数据集。 人脸识别的大致思想: 收集记录人脸数据,当新来一个人脸图片,就计算它与已有的人脸图片的相似度,若足够相似,我们则认为是同一个人。 怎么表示两个图片的相似度(或者差异度)呢?我们用两个人脸图片矩阵差值的二范数来定义相似度。 可以类比着想,假设二维平面有两个点,我们怎么表示他们的差