随机过程第一次大作业(THU).docxVIP

基于主成分分析的人脸识别目录基于主成分分析的人脸识别11 引言21.1 PCA简介2一、主成分的一般定义3二、 主成分的性质3三、 主成分的数目的选取41.2 人脸识别概述42 基本理论及方法53 人脸识别的具体实现63.1 读入图像数据库63.2 计算特征空间73.3 人脸识别94 对实验算法的综合评价115 结论116、参考文献117、附录121、代码说明：122、实验感想12摘要：本文利用基于主成分分析(Principal Component Analysis，PCA)进行人脸识别。该过程主要分为三个阶段，第一个阶段利用训练样本集构建特征脸空间；第二个阶段是训练阶段，主要是将训练图像投影到特征脸子空间上；第三个阶段是识别阶段，将测试样本集投影到特征脸子空间，然后与投影后的训练图像相比较，距离最小的为识别结果。本方法具有简单、快速和易行等特点,能从整体上反映人脸图像的灰度相关性具有一定的实用价值。关键词：人脸识别；PCA；识别方式 1 引言PCA是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。它的优点是简单，而且无参数限制，可以方便的应用与各个场合，根据矩阵的行数与列数的区别于差异，PCA又可以划分为D—PCA（Dis