模式识别(5)K-L变换和PCA在人脸识别中的应用
2017-11-25 14:42
232 查看
这里简单总结下,人脸识别的一些理论基础。
想了解具体的特征值分解,奇异值分解,PCA主成份分析的数学原理。可以参考这篇博客。
http://blog.csdn.net/jinshengtao/article/details/18448355,写的还不错。
我下面讲的只是一个应用的过程分析。
对图像的归一化:
旋转:从一个人的图像中截取下头部,对头部图像进行旋转,似的双眼保持水平。
剪裁:将双眼之间的距离变为图像的1/2,眼睛距离上边界的距离为0.5d,
放大缩小:将采集到的图片变为原来正方形,大小为128*128,或者其他D×D大小的图片。
灰度拉伸:增强对比度。
通过上面的几个步骤,一张采集到的面部图片就变为一张标准脸。
对训练样本(100张图片,每张图片大小为128*128)的总体进行矩阵操作:
这里向量太多,就写在纸上,变成图片记录在这里吧。
通过以上几部,就完成了人脸识别的理论基础,其中最重要的就是特征的概念,降维的概念。在我的记录中,没有涉及太多的数学公式推导,只是直接使用了奇异值分解和K—L变换的结论。要弄明白具体原理,还得研究矩阵理论。
想了解具体的特征值分解,奇异值分解,PCA主成份分析的数学原理。可以参考这篇博客。
http://blog.csdn.net/jinshengtao/article/details/18448355,写的还不错。
我下面讲的只是一个应用的过程分析。
对图像的归一化:
旋转:从一个人的图像中截取下头部,对头部图像进行旋转,似的双眼保持水平。
剪裁:将双眼之间的距离变为图像的1/2,眼睛距离上边界的距离为0.5d,
放大缩小:将采集到的图片变为原来正方形,大小为128*128,或者其他D×D大小的图片。
灰度拉伸:增强对比度。
通过上面的几个步骤,一张采集到的面部图片就变为一张标准脸。
对训练样本(100张图片,每张图片大小为128*128)的总体进行矩阵操作:
这里向量太多,就写在纸上,变成图片记录在这里吧。
通过以上几部,就完成了人脸识别的理论基础,其中最重要的就是特征的概念,降维的概念。在我的记录中,没有涉及太多的数学公式推导,只是直接使用了奇异值分解和K—L变换的结论。要弄明白具体原理,还得研究矩阵理论。
相关文章推荐
- 自动调参(GridSearchCV)及数据降维(PCA)在人脸识别中的应用
- PCA(主分量分析)在人脸识别中的应用
- PCA算法及其在人脸识别上的应用
- pca在人脸识别中的应用
- 数据挖掘—LDA,PCA特征提取降维与SVM多分类在人脸识别中的应用-数据集ORL
- PCA(主分量分析)在人脸识别中的应用
- PCA算法学习——计算特征脸及人脸识别原理
- Matlab PCA+SVM人脸识别(一)
- LBP算法的研究及其在人脸识别中的应用
- python下PCA算法与人脸识别
- 【模式识别】PCA检测人脸的简单示例MATLAB实现
- 转:基于开源项目OpenCV的人脸识别Demo版整理(不仅可以识别人脸,还可以识别眼睛鼻子嘴等)【模式识别中的翘楚】
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-4)-- 特殊应用:人脸识别和神经风格迁移
- PCA人脸识别--opencv代码
- Python scikit-learn 学习笔记—PCA+SVM人脸识别
- 利用PCA来做人脸识别
- 基于MATLAB,运用PCA+SVM的特征脸方法人脸识别
- 基于haar+adaboost的人脸检测、深度学习的人脸识别技术应用综述
- 人脸识别技术在公安领域的应用浅析【识别过程描述】
- PCA人脸识别