人工智能-统计机器学习-特征人脸方法（Eigenface）

最新推荐文章于 2022-07-07 09:37:46 发布
原创 最新推荐文章于 2022-07-07 09:37:46 发布 · 831 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

特征人脸方法，又称Eigenface，利用主成分分析（PCA）进行人脸图像降维，通过线性组合特征人脸来表达原始图像，从而实现人脸识别。关键步骤包括将人脸图像转换为特征向量，并通过相关系数实现维度降低，使得人脸由像素点表达转变为特征人脸表达，用于后续的分类和相似性比较。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

人脸识别之特征人脸方法是一种应用主成份分析来实现人脸图像降维的方法，其本质是用一种称为“特征人脸(eigenface)”的特征向量按照线性组合形式来表达每一张原始人脸图像，进而实现人脸识别。 由此可见，这一方法的关键之处在于如何得到特征人脸。

算法描述：

每个人脸特征向量 ?? 与原始人脸数据 ?? 的维数是一样的，均为1024。

可将每个特征向量还原为 32 × 32 的人脸图像，称之为特征人脸，因此可得到 ? 个特征人脸。

基于特征人脸的降维 

（1）将每幅人脸分别与每个特征人脸做矩阵乘法，得到一个相关系数

（2）每幅人脸得到 ? 个相关系数 ⇒ 每幅人脸从1024维约减到 ? 维 

（3）由于每幅人脸是所有特征人脸的线性组合，因此就实现人脸从“像素点表达”到“特征人脸表达”的转变。每

最低0.47元/天 解锁文章

200万优质内容无限畅学
人脸检测-人脸关键点-人脸识别-人脸打卡-haar-hog-cnn-ssd-mtcnn-lbph-eigenface-resnet python opencv源码（史上最全）
FJN110的博客
04-16 1481
CNN（Convolutional Neural Network，卷积神经网络）是一种深度学习模型，广泛应用于计算机视觉任务，包括人脸检测、识别和分类。相比于传统方法（如Haar、HOG），CNN能够自动学习图像的多层次特征（如边缘、纹理、形状等），具有更高的检测精度和鲁棒性。CNN人脸检测的优势：高精度：能够检测不同角度、光照、遮挡的人脸。端到端训练：无需手动设计特征提取器（如Haar、HOG）。适应性强：适用于复杂背景、多人脸场景。
使用Eigenface重构近似的人脸图像
weixin_45634365的博客
02-01 1905
看这篇文章前，可以先阅读Eigenface(PCA)人脸识别实验 1、数据提取与处理 %matplotlib inline # 导入所需模块 import matplotlib.pyplot as plt import numpy as np import os import cv2 # plt显示灰度图片 def plt_show(img): plt.imshow(img,cmap='gray') plt.show() # 读取一个文件夹下的所有图片，输入参数是文件名，返回文件地址列表 d
人工智能实验-人脸识别
01-06
python get_face_from_camera.py 采集构建人脸数据 python get_features_into_CSV.py 提取特征 python face_reco_from_camera.py 实时人脸识别对比分析
机器学习工程师 - Udacity 使用特征脸方法和 SVM 进行脸部识别
weixin_30314631的博客
11-22 216
在此示例中使用的数据集来自“Labeled Faces in the Wild”，亦称为 LFW_ Download (233MB) 并经过预处理。这是原始数据。 from time import time import logging import pylab as pl import numpy as np ​ from sklearn.model_selection impo...
【人脸识别（四）】：人脸识别理论、原理、分类、概括，请针对性学习所需算法，不要全学。
qq_39709813的博客
04-30 4077
人脸识别（一）：Ubuntu Python安装dlib C++ library 人脸识别（二）：如何使用 dlib 实现简单的人脸识别功能 人脸识别（三）：使用face_recognition库实现人脸识别，python实现 前面几篇博客直接介绍了如何使用dlib和face_recognition模块在python基础上实现人脸检测以及定位和拓展功能。 最近几天看了很多博客和综述论文，发现...
人工智能——特征工程总结
热门推荐
AI浩
04-07 1万+
1 特征工程是什么？ 有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。通过总结和归纳，人们认为特征工程包括以下方面： 2 数据预处理 　　通过特征提取，我们能得到未经处理的特征，这时的特征可能有以下问题： 不属于同一量纲：即特征的...
特征脸(Eigenface)理论基础-PCA(主成分分析法)
luckyspecter的博客
06-16 983
在之前的博客  人脸识别经典算法一：特征脸方法（Eigenface）  里面介绍了特征脸方法的原理，但是并没有对它用到的理论基础PCA做介绍，现在做补充。请将这两篇博文结合起来阅读。以下内容大部分参考自斯坦福机器学习课程：http://cs229.stanford.edu/materials.html 假设我们有一个关于机动车属性的数据集{x(i);i=1,…,m}（m代表机动车的属性个数），例如最大速度，最大转弯半径等。假设x(i)本质上是n维的空间的一个元素，其中n<<m
face_recognize-master.zip_AYJ_人脸识别_机器学习 识别
07-15
综上所述，"face_recognize-master.zip_AYJ_人脸识别_机器学习 识别"项目揭示了人工智能在人脸识别领域的前沿实践，结合机器学习技术，为用户提供了一套完整的解决方案。无论是对学术研究还是商业应用，这样的项目都...
机器学习之运用特征脸（eigenface）和sklearn.svm.SVC进行人脸识别
qq_46556714的博客
04-24 3050
文章目录运用特征脸（eigenface）和sklearn.svm.SVC进行人脸识别。第一步，import导入实验所用到的包第二步，下载人脸数据第三步，特征提取第四步，建立SVM分类模型第五步， 模型评估第六步，预测结果可视化完整代码：运行结果： 运用特征脸（eigenface）和sklearn.svm.SVC进行人脸识别。 首先需要下载一个经过预处理的数据集，从数据集中找出最有代表性的前5人的预期结果 第一步，import导入实验所用到的包 import matplotlib.pyplot as plt
毕业设计机器学习人脸检测和识别源代码
06-01
人脸检测和识别是计算机视觉领域中的重要组成部分，特别是在机器学习和人工智能的应用中。这个毕业设计项目专注于使用机器学习算法来实现这一目标。以下是对这个项目的详细解析： 首先，人脸检测是指在图像或视频流...
支持向量机 人脸识别（SVM）SKLearn
weixin_30449453的博客
09-01 300
#!/usr/bin/env python # -*- coding: utf-8 -*- import numpy as np import pylab as pl from sklearn import svm # we create 40 separable points np.random.seed(0)#每次运行结果不变 X = np.r_[np.random.ra...
机器学习-NMF+人脸数据特征提取-case3
weixin_41357720的博客
05-22 540
代码 # 1。导入相关包 import matplotlib.pyplot as plt from sklearn import decomposition from sklearn.datasets import fetch_olivetti_faces from numpy.random import RandomState # 加载RandomState用于创建随机种子 # 全局取消证书验证 （解决报错 import ssl ssl._create_default_https_context =
【学习笔记】机器学习-无监督学习
cheerful090的博客
02-16 1324
无监督学习一、 无监督学习（unsupervised learning）1. 典型例子：聚类（Clustering）2.无监督学习的重要因素二、 K均值聚类（K-means 聚类）1. K均值聚类算法第一步：初始化聚类质心第二步：把每个待聚类数据放入唯一一个聚类集合中第三步：根据聚类结果，更新聚类质心第四步：算法循环迭代，直到满足条件2. 聚类迭代结束条件3. K均值聚类算法的另一个视角：最小化每个类簇的方差4. K均值聚类算法的不足三、 主成分分析（Principle Component Analysis
速收藏！万字长文，科普人脸识别算法及系统
lyk_ffl的专栏
07-07 1396
人脸检测、人脸对齐、人脸识别、人脸追踪、质量评估、活体检测等技术综述
opencv 特征提取
qq_20139241的博客
10-28 444
（一）HOG特征 1、HOG特征： 方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dala...
实验报告: 人脸识别方法回顾与实验分析 【OpenCV测试方法源码】
dianwu9730的博客
07-04 5088
趁着还未工作，先把过去做的东西整理下出来~ Github源码：https://github.com/Blz-Galaxy/OpenCV-Face-Recognition （涉及个人隐私，源码不包含测试样本，请谅解~） 对实验结果更感兴趣的朋友请直接看 第5章 【摘要】这是一篇关于人脸识别方法的实验报告。报告首先回顾了人脸识别研究的发展历程及基本分类；随后对人脸...
机器学习（四）降维之NMF及人脸特征提取
发现问题，并解决问题，批判性思维
02-15 3283
一.非负矩阵分解（Non-negative Matrix Factorization ，NMF） 是在矩阵中所有元素均为非负数约束条件之下的矩阵分解方法。 基本思想：给定一个非负矩阵V，NMF能够找到一个非负矩阵W和一个非负矩阵H，使得矩阵W和H的乘积近似等于矩阵V中的值。 • W矩阵：基础图像矩阵，相当于从原矩阵V中抽取出来的特征 • H矩阵：系数矩阵。 • NMF能够广泛应用于图像分析...
DeepLearning.ai笔记:(4-4)-- 特殊应用:人脸识别和神经风格转换
Fangzh的技术博客
10-13 450
title: ‘DeepLearning.ai笔记:(4-4)-- 特殊应用:人脸识别和神经风格转换’ tags: dl.ai categories: AI Deep Learning date: 2018-10-12 18:55:15 id: dl-ai-4-4 首发于个人博客：fangzh.top，欢迎来访 本周讲了CNN的两个特殊应用：人脸识别和神经风格转换。 人脸识别 Face...
3.4 svm人脸识别
jianfpeng241241的专栏
03-13 600
python代码： from __future__ import print_function from time import time import logging import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.datasets import...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值