该课题为基于MATLAB平台的PCA的人脸识别系统。传统的人脸识别都是直接人头的比对，现实意义不大，这块都做烂了。该课题识别原理为：从一副生活照中寻找到人脸，并且分割人脸图象，利用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。

可直接用于人脸识别技术的图像集-人脸数据集，数据集里有 40 个人，每个都有 10 张照片，分别存储在 40 个文件夹里，s1-s40，每个文件夹下面都有 10 张 .pgm 照片，每张照片的尺寸 112*92（长 * 宽）。

这个包的目的是实现基于 PCA 的人脸识别（Eigenfaces 技术）。 使用的人脸数据集是 ORL AT&T 剑桥实验室 ( www.cl.cam.ac.uk/Research/DTG/attarchive:pub/data/att_faces.zip )。 此数据集以 mat 格式 (ORL_FaceDataSet) 附在此处。 在这方面，该软件包可作为学生和研究的实践指南，脚本中提供了许多详细信息。

100%可用的人脸识别matlab代码，采用PCA与LDA方法提取特征识别。

基于PCA和SVM的实时人脸识别： faceCapture:首先采集需要被识别人的人脸，每人采取10张，统一格式大小，放入人脸数据库中； ReadFace:读入训练的人脸数据； fastPCA:PCA降维； scaling:训练数据归一化； train:使用SVM支持向量机训练模型； imageAcquision: 读入人脸照片—>灰度化—>检测人脸—>扣出人脸—>归一化尺寸—>在训练集的特征子空间中降维—>在训练集每维的最大最小值上数据归一化—>利用训练好的模型预测—>显示

前几天上数字图像处理的时候学习了PCA人脸识别,趁热打铁，做一些学习记录。PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。在人脸识别上面，用PCA的主要目的就是把原来维度很高的图像，提取图像的主要成分（用于识别的特征），去掉不重要的成分，使得可以用比较少的维度来表示图像，以方便进行图形识别。

基于matlab的人脸考勤系统。也叫做人脸签到打卡系统。输入全身照/上半身图片，人脸扫描，定位，剪切人脸，预处理（增强，灰度化，尺度归一化等），特征提取，降维，人脸识别结果，记录打卡次数，考勤时间，带界面。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

【图像识别】基于主成分分析PCA实现视频人脸识别matlab源码.md

基于PCA的人脸识别 参考代码：https://github.com/HelloYaoZhang/Face-Recognition-Using-PCA，我主要进行了APP Designer的实现。