深度学习，神经网络，基于alexnet架构的神经网络训练以及测试代码，里面还有orl人脸数据库，本人自己写的，确定能用，可直接下载。要五十个字，废话不多说，就这样。

PCA的理论知识已经有很多博客做了清晰的解释，主要概括为找到投影的面使得类间误差最大，转化为找到构建的协方差的特征值与特征向量，在新的投影方向（特征向量）上投影，构建数据库和待检索的人脸进行比对，得到相似度最高的人脸作为查询结果，本文使用ORL人脸数据库基于PCA方法实现人脸识别。

ORL人脸数据集，包括40个人，每个人10张照片，每张图片的格式为bmp灰色图，人脸识别的经典数据集。格式和分类非常一目了然，方便训练。

ORL人脸数据集一共包含40个不同人的400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。 此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。对每一个目录下的图像，这些图像是在不同的时间、不同的光照、不同的面部表情（睁眼/闭眼，微笑/不微笑）和面部细节（戴眼镜/不戴眼镜）环境下采集的。所有的图像是在较暗的均匀背景下拍摄的，拍摄的是正脸（有些带有略微的侧偏）。 每个目录分别命名为sx，其中x表示受试者编号（在1到40之间）。在每一个目录所选受试者的10

基于PCA算法的Matlab人脸识别算法，本压缩包里面含有ORL人脸库，matlab源代码（可运行），pdf文档介绍

40个人，每个人10张人脸图像，格式为pgm格式，用来测试特征脸算法的，由于人脸差异不是很大所以识别率较高。

原始的ORL人脸库，包含40个人400张图片，每张大小是92x112x3。

ORL人脸数据库，数据库中包含四十个人，每个人有十张不同的人脸照片，共四十张人脸。提供三种格式的数据库，分别为JPG格式，BMP格式和PGM格式，每种格式都拥有全部人脸数据图像。

用于本项目的人脸模型 ，已经训练好，用。xml文件存储

ORL数据库共有400幅人脸图像(40人， 每人1O幅， 大小为112像素x92像素)，人物以 s1-s40 的形式命名。该人脸库中的人脸图片具有表情和姿态的 变化，也有戴（或不戴）眼镜，眼睛睁（或闭）的区别。