利用opencv实现基于pca算法的人脸识别.pptx

会计学; OpenCV基本介绍 人脸识别概要 PCA原理介绍 用PCA算法人脸识别的优缺点 ;OpenCV（Open Source Computer Vision Library）是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 OpenCV 对非商业应用和商业应用都是免费的，源代码公开，具备强大的图像和矩阵运算能力，具有丰富的函数处理函数，减少开发者的工作??，有效提高开发效率和程序运行的可靠性。 应用：人机互动?、物体识别 、图象分割 、人脸识别 、 动作识别、运动跟踪 、机器人 ;人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。 ;PCA方法由于其在降维和特征提取方面的有效性，在人脸识别领域得到了广泛的应用。 PCA方法的基本原理是:利用K-L变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。 主要包括两个阶段：训练阶段+识别阶段;训练阶段; 如：第i个图像矩阵为 则xi为 ; 第二步：计算平均脸 计算训练图片的平均脸： ; 第三步：计算差值脸 计算每一张人脸与平均脸的差值 ;第四步：构建协方差矩阵 ; 第五步：求协方差矩阵的特征值和特征向量，构造特征脸空间 若协方差矩阵的维数为MN*MN，当其维数较大，计算量比较大，所以采用奇异值分解(SingularValue Decomposition ,SVD)定理，通过求解 的特征值和特征向量来获得 的特征值和特征向量。 ; 求出C的特征值 及其正交归一化特征向量 根据特征值的贡献率选取前p个最大特征向量及其对应的特征向量 贡献率是指选取的特征值的和与占所有特征值的和比，即： ; 一般取 即使训练样本在前p个特征向量集上的投影有99%的能量 求出原协方差矩阵的特征向量 则“特征脸”空间为： ;第六步 将每一幅人脸与平均脸的差值脸矢量投影到“特征脸”空间，即 ; 第一步：将待识别的人脸图像 与平均脸的差值脸投影到特征空间，得到其特征向量表示： ;;;系统优缺点分析;Thank you!;;