面孔识别,实验报告(共9篇)

《面孔识别,实验报告(共9篇)》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划面孔识别,实验报告(共9篇)　　人脸识别——特征脸方法　　贾东亚　　一、实验目的　　1、学会使用PCA主成分分析法。　　2、初步了解人脸识别的特征法。　　3、更熟练地掌握matlab的使用。　　二、原理介绍　　1、PCA　　引用一个网上的例子。假设有一份对遥控直升机操作员的调查，用x1表示飞行员i的　　(i)飞行技能，x2表示飞行员i喜欢飞行的程度。通常遥控直升飞机是很难操作的，只有那些　　(i)(i)非常坚持而且真正喜欢驾驶的人才能熟练操作。所以这两个属

2、性x1和x2相关性是非常强的。　　我们可以假设两者的关系是按正比关系变化的。如下图里的任意找的向量u1所示，数据散布在u1两侧，有少许噪声。(i)目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划　　现在我们有两项数据，是二维的。那么如何将这两项变量转变为一个来描述飞行员呢？由图中的点的分布可知，如果我们找到一个方向的U，所有的数据点在U的方向上的投影之和最大，那么该U就能表示数据

3、的大致走向。而在垂直于U的方向，各个数据点在该方向的投影相对于在U上的投影如果足够小，那么我们可以忽略掉各数据在该方向的投影，这样我们就把二维的数据转化成了在U方向上的一维数据。　　为了将u选出来，我们先对数据进行预处理。先求出所有数据的平均值，然后用数据与平均值的偏差代替数据本身。然后对数据归一化以后，再代替数据本身。　　而我们求最大的投影和，其实就是求各个数据点在U上的投影距离的方差最大。而XTu就是投影的距离。故我们要求下式的最大值：　　11(x(i)Tu)2=uT(x(i)x(i)T)u　　i=1i=1　　(i)(i)T按照u是单位向量来最大化上式，就是求m

4、m的特征向量。而此式是数据集i=1xx1mm　　的协方差矩阵。　　在实际应用中，我们不止面临二维的数据。因此不能使用几何的形式呈现，但原理也是一样。就是找到一组相互正交的单位向量uk，然后根据贡献率考虑选择其中的部分作为考量的维数，这也就实现了数据的降维。　　三、实验步骤　　1、将库里的400张照片分成两组。一组作为训练，一组作为库。每个人的前五张照片作为目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务

5、技能及个人素质的培训计划　　训练，后五张作为库。训练的照片按照顺序的数字重命名。库的照片名字不变。　　2、库照片处理。　　①将每一张库的照片转化成N维的向量。我们稍后要对如此多维的向量用PCA进行降维。然后把这些向量存入一个矩阵里。而我是将这200个向量以列的形式存在了矩阵里。　　即　　Z={Γ1，Γ2，Γ3，Γ4…Γ200}　　②将这200个向量的每个元素相加起来求出平均值。再用Z里的每一个向量减去这个平均值得到每个的偏差。　　平均值Γ　　即最后=1XX00k=1Γk，每个向量的偏差?k=Γk?Γ　　Z={?1，?2，?3，?4…?200}　　③接下来我们就要针对

6、这些预处理后的数据进行降维。我们要求的N个相互正交的向量就是协方差矩阵ZZT的特征向量，而对应的特征值就是各个向量所占的比重。但是Z是个10304*200的矩阵，那么ZZT就是个10304*10304的矩阵。使用matlab直接求其特征值与特征向量不太实际。目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划　　所以我们考虑一个简单的运算方法：协方差矩阵的秩受到训练图像的限制：如果有

7、N个训练样本，则最多有N?1个对应非零特征值的特征向量，其他的特征向量对应的特征值都是0。如果训练样本的数目比图像的维数低，则可以通过如下方法简化主成份的计算。　　设Z是预处理图像的矩阵，每一列对应一个减去均值图像之后的图像。则，协方差矩阵为S=TTT，并且对　　S的特征值分解为　　Sνi=TTTνi=λiνi　　然而，TTT是一个非常大的矩阵。因此，如果转而使用如下的特征值分解。　　TTTui=λiui　　此时，我们发现如果在等式两边乘以T，可得到　　TTTTui=λiTui这就意味着，如果ui是TT的一个特征向量，则νi=Tui是S的一个特征向量。我们的库里