PCA实现图像分类，论文+代码+测试/训练样品，华工出品，必属精品。 PCA实现图像分类，论文+代码+测试/训练样品，华工出品，必属精品。
2021-12-18 23:39:31
1.27MB
1
近来想要做一做人脸识别相关的内容，主要是想集成一个系统，看到opencv已经集成了三种性能较好的算法，但是还是想自己动手试一下，毕竟算法都比较初级。
操作环境：python2.7
第三方库：opencv for python、numpy
第一种比较经典的算法就是特征脸法，本质上其实就是PCA降维，这种算法的基本思路是，把二维的图像先灰度化，转化为一通道的图像，之后再把它首尾相接转化为一个列向量，假设图像大小是20*20的，那么这个向量就是400维，理论上讲组织成一个向量，就可以应用任何机器学习算法了，但是维度太高算法复杂度也会随之升高，所以需要使用PCA算法降维，然后使用简单排序或者KNN都可
2021-12-17 16:58:03
70KB
1
系统优缺点分析
系统存在的问题：
1. 抗干扰能力较差。环境光照，遮挡物，人的表情和位置都对识别结果造成较强的干扰。
2. 训练的时间较长，执行效率不够高。只能对小样本的图像进行识别，如果图像库太大，则运行效率会比较低。
系统的优点：
1. 不需要对图像进行过多的预处理，PCA本身就能实现降噪的功能；
2. 能有效地识别人脸，且过程相对简单，主要是图像数据的处理和
矩阵的运算；
3. 由于是通过低维子空间表示的，可以对图像的数据进行一定地压
缩，从而减少了计算量，提高运行速度；
2021-12-15 00:30:09
1.22MB
1