【无标题】pca bp gabp cpobp算法的人脸识别技术研究
发布时间：2023-12-15 10:30
特征脸空间的构造
对于所有的特征脸，可以采取PCA的操作得到其数值。原始图像投影到该特征空间中。原始图像x存成大小是n维的向量，训练集为（这里p为样本图像数量），形成矩阵X[n][p][9]，其中行代表像元，列代表每幅人脸图像。将训练样本集中的人脸图像减去平均人脸图像，计算离散差值，将训练图像中心化。 将中心化之后图。中心化后的图像组成的矩阵X乘以它的转置矩阵得到协方差矩阵Ω，就是需要的特征数值。
训练集的每一个人脸图像都拉长一列，将他们组合在一起形成一个大矩阵A。假设每个人脸图像是M*M大小，那么拉成一列后每个人脸样本的维度就是N=M*M大小了。假设有20个人脸图像，那么样本矩阵A的维度就是20*N了。
将所有的20个人脸在对应维度上加起来，然后求个平均，就得到了一个“平均脸”。
3.1.2预存人脸图像的特征提取
相关推荐
Mybatis-plus代码生成器Entity中生成自定义枚举类型
检测分割算法改进(篇三) ASPP(Atrous spatial pyramid pooling)模块
Vue 高德地图（@amap/amap-jsapi-loader）的基本使用：添加标记、POI关键字搜索、路线规划...(方法一)
SpringMVC @GetMapping注解路径冲突问题解决
【Python 实战基础】如何绘制关系网格图展示8个节点间的关系
vue3 组件响应式v-model 失效，实践踩坑，一文搞懂组件响应式原理，对初学者友好