人脸图像的色彩信息也是人脸的重要特征，但现有的2D-PCA彩色人脸识别忽略了人脸色彩信息的空间关系。由此引入三阶张量表示，提出基于张量的2D-PCA（Tensor PCA）的人脸识别算法。Tensor PCA通过分解[n]模总体散布矩阵获得三个由最大特征值对应的特征向量组成的将张量样本投影到低维子空间的投影矩阵，并构造交替最小二乘法的迭代过程对矩阵进行优化得到最优投影矩阵，使得投影后的样本间的距离尽可能得大，以达到最佳分类识别的效果。Georgia Tech彩色人脸库的测试结果表明，与2D-PCA方法相比，识别正确率提升了5.53%，同时训练时间降低了78.1%。

使用主成分分析（PCA）实现人脸识别，并对两种分组方式的结果进行呈现。 MATLAB实现以及python的代码

该课题为基于MATLAB平台的PCA的人脸识别系统。原理为：从一副生活照中寻找到人脸，分割人脸区域图像，PCA算法进行降维，和库里图片进行对比，输出目标人脸以及相关个人信息。该课题还可以继续二次开发，做成库内外人脸的识别，如果是库外人脸则实现报警等。

该课题为基于MATLAB平台，采用主成分分析法即PCA算法的人脸识别系统。带有一个GUI界面，可以换自己人脸，也可以直接用ORL人脸库。流程是：选择样本库和测试库，选择测试人脸，PCA进行人脸降维，得到人脸特征值，对比人脸特征值，利用欧式距离对比大小，根据最近邻法则得出结果，输出具体是哪个人。可以二次拓展，改造成：输出个人信息，如姓名，学号等，也可以从一副完整的生活照中先定位人脸，训练，再识别，以及做成人脸考勤，门禁等应用。

pca人脸识别的matlab代码，已经测试过了，能够正常运行。

PCA人脸识别.zip

下载即可直接运行，包括了源程序以及测试数据库，程序比较老，仅供参考。

人脸识别图像库资源,几十万张图片资源，种类丰富。

全英文版，毕业设计翻译文献用，关于PCA的人脸识别超分辨率算法

基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别