如何使用matplotlib中的类PCA进行人脸识别？

Question

我正在尝试使用python构建面部识别的代码。现在我可以将我的所有数据库图像放入一个二维数组中，以便能够对它们应用主成分分析（PCA）。我在matplotlib中找到了一个名为PCA的类，但我想知道如何将它用于人脸识别。

这里所提到的类的描述：

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

他们关键概念是你项目面临到一个更高维空间，然后测量在这个空间他们之间的距离。

我是从这个文件引用（看起来像一个分配的一类）：

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

“PCA计算这是由它的培训载体，这些基向量代表的空间的基础上，。实际上，由PCA计算得到的特征向量是在训练向量的最大方差的方向上，如前所述，我们称之为特征脸

每个特征脸可以被看作一个特征。脸部空间，它的矢量到脸部空间描述的重要性o f脸上的每一个特征。脸部通过其特征脸系数（或权重）表示在脸部空间中。我们只能通过在脸部空间中使用其小权重向量来处理大输入向量，面部图像。这意味着我们可以用一些错误来重建原始的人脸，因为图像空间的维度比脸部空间的维度大得多。

在本报告中，我们只考虑面部识别。训练集中的每个脸部都被转换成脸部空间，其组件被存储在内存中。脸部空间必须填充这些已知的脸部。输入面被赋予系统，然后投影到面部空间。该系统计算的距离存储的所有面孔“

有几个可用的教程，这里是我的最爱：。

• 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