- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
人脸识别——特征脸方法
贾东亚1 2 346046
一、 实验目的
1、 学会使用PCA主成分分析法。
2、 初步了解人脸识別的特征法。
3、 更熟练地掌握mat 1 ab的使用。
二、 原理介绍
1、PCA(主成分分析法介绍)
引用一个网上的例子。假设有一份对遥控直升机操作员的调查,用xp〉表示飞行员i的 飞行技能,表示飞行员i喜欢飞行的程度。通常遥控直升飞机是很难操作的,只有那些 非常坚持而且真正喜欢驾驶的人才能熟练操作。所以这两个属性和対〉相关性是非常强的。 我们可以假设两者的关系是按正比关系变化的。如下图里的任意找的向量ul所示,数拯散布 在u 1两侧,有少许噪声。
UUOEA2U。)
UUOEA2U。)歼
X| (skill)
现在我们有两项数据,是二维的。那么如何将这两项变量转变为一个来描述飞行员呢? 由图中的点的分布可知,如果我们找到一个方向的U,所有的数据点在U的方向上的投影之 和最大,那么该U就能表示数据的大致总向。而在垂直于U的方向,齐个数据点在该方向的投 影相对于在U上的投影如果足够小,那么我们可以忽略掉各数据在该方向的投影,这样我们就 把二维的数据转化成了在u方向上的一维数据。
为了将U选出来,我们先对数拯进行预处理。先求出所有数据的平均值,然后用数据与平 均值的偏差代替数据本身。然后对数据归一化以后,再代替数据本身。
而我们求最大的投影和,苴实就是求齐个数据点在U上的投影距离的方差最大。而XS 就是投影的距离。故我们要求下式的最大值:
m m
命》(X(i%)2 = UT(^ X%)T) Ui=l i=l
按照u是单位向量来最大化上式,就是的特征向量。而此式是数据集的 协方差矩阵。
在实际应用中,我们不止而临二维的数据。因此不能使用几何的形式呈现,但原理也是 一样。就是找到一组相互正交的单位向疑Uk,然后根据贡献率考虑选择其中的部分作为考量 的维数,这也就实现了数据的降维O
三、实验步骤
1.将库里的4 00张照片分成两组。一组作为训练,一组作为库。每个人的前五张照片作为 训练,后五张作为库。训练的照片按照顺序的数字重命名。库的照片名字不变。
0 G 212 13 141516 OHIO03206 032072526 27 OM06005409
0 G 2
12 13 14
15
16 OHIO
03206 03207 03208
23
2d
25
26 27 OM06
0^407
03408 05409
2、库照片处理。
将每一张库的照片转化成N维的向量。(库里的照片是1 1 2*92,故将转化成的矩阵按列 或行展开,就是个1 0 304维的向量)我们稍后要对如此多维的向量用PC A进行降维。然 后把这些向量存入一个矩阵里。而我是将这2 0 0个向虽以列的形式存在了矩阵里。
即
2 = {环『2,环 r4 ...r200]
将这200个向量的每个元素相加起来求岀平均值。再用Z里的每一个向量减去这个平均 值得到每个的偏差。
平均值『=i^k=i几,每个向量的偏差4k = rk-r
即最后
Z = {41 , 42 ?3 ?4 …020()}
接下来我们就要针对这些预处理后的数据进行降维。我们要求的N个相互正交的向量就 是协方差矩阵ZZT的特征向量,而对应的特征值就是各个向量所占的比重。但是Z是个103 0 4*20 0的矩阵,那么ZZT就是个10304*1 0 304的矩阵。使用ma t I a b直接求其特征值与特征 向量不太实际。
所以我们考虑一个简单的运算方法:
协方差矩阵的秩受到训练图像的限制:如果有N个训练样本,则最多有N-1个对应非零 特征值的特征向量,其他的特征向量对应的特征值都是0。如果训练样本的数目比图像的维数低, 则可以通过如下方法简化主成份的计算。
设Z是预处理图像的矩阵,每?列对应?个减去均值图像之后的图像。则,协方差矩阵为S = TTt,并且对S的特征值分解为
SVj = TTtVj = AjVj
然而,TTT是?个非常人的矩阵。因此,如果转而使用如下的特征值分解■=
TTTUj = AjUj
此时,我们发现如果在等式两边乘以T,可得到
TTTTUj =入血
这就意味着,如果Ui是T「T的-个特征向量,则Vi=Tw是S的?个特征向量。我们的库里有 200张112*92像素的图像,则TtT是?个2 00* 2 00的矩阵,这就比原先的10 3 04 * 103 0 4 的协方差矩阵要容易处理许多。
需要注意的是,上面的特征向量M没有进行归?化,如果需要,应该在后而在进行处理。
降维处理。上而的步骤已经求到了所有的特征向量与特征值。而特征值就是各数据点在该特 征向量上的方差。跟据PCA,我们要选出占主要比重的特征向量即可,而判定标
您可能关注的文档
- 人力资源系统构建指导手册.docx
- 人力资源规划管理.docx
- 人力资源规划表格表单.docx
- 人力资源讲座案例.docx
- 人力资源部管理制度及政策.docx
- 人力资源部绩效考核指标梳理与汇总.docx
- 人口信息化管理系统—操作手册.docx
- 人口的变化测试题.docx
- 人员租赁协议.docx
- 人因工程在半导体厂的应用.docx
- 2024年01月山西省岚县人民法院2024年招考3名司法辅助人员笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月宁夏银川市贺兰县人民医院岗位招考聘用11人笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月山东烟台莱山区结合事业单位招考聘用征集本科及以上学历毕业生入伍18人笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月广西玉林陆川县公开招聘重点领域急需紧缺(高层次)人才60人笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月广东中山市南头镇人民政府招考聘用合同制工作人员3人笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月政协富宁县委员会委员联络服务中心(云南省)2024年考察调(流)动3名工作人员笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月广州市海珠区琶洲数字经济创新发展服务中心2024年公开选调1名事业编制工作人员笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月宁波市鄞州区市场监管局2024年招考3名编外人员笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月山东省淄博市文昌湖省级旅游度假区事业单位2024年度面向喀什籍高校毕业生综合类(定向)岗位公开招考工作人员笔试历年典型考题及考点剖析附答案详解.docx
- 2024年01月山东聊城东阿县教育类事业单位引进优秀青年人才3人笔试历年典型考题及考点剖析附答案详解.docx
文档评论(0)