matplotlib에서 PCA 클래스를 사용하여 얼굴 인식을 사용하는 방법은 무엇입니까?

Question

저는 파이썬을 사용하여 얼굴 인식을위한 코드를 작성하려고합니다. 이제 모든 데이터베이스 이미지를 하나의 2 차원 배열에 넣어 주성분 분석 (PCA)을 적용 할 수있게되었습니다. matplotlib에서 PCA라는 클래스를 발견했지만 얼굴 인식을 위해이를 사용하는 방법에 대해 궁금합니다.

class matplotlib.mlab.PCA(a) 
compute the SVD of a and store data for PCA. Use project to project the data onto a reduced set of dimensions 

Inputs: 

a: a numobservations x numdims array 
Attrs: 

a a centered unit sigma version of input a 

numrows, numcols: the dimensions of a 

mu : a numdims array of means of a 

sigma : a numdims array of atandard deviation of a 

fracs : the proportion of variance of each of the principal components 

Wt : the weight vector for projecting a numdims point or array into PCA space 

Y : a projected into PCA space 

The factor loadings are in the Wt factor, ie the factor loadings for the 1st principal component are given by Wt[0] 

Answer 1

그들은 핵심 개념은 당신이 프로젝트는 더 높은 차원 공간에 직면하고 그 공간에서 그들 사이의 거리를 측정입니다 : 여기

는 언급 클래스의 설명이다.

나는이 문서에서 인용하고있어는 (클래스에 대한 할당과 같은).

http://www.umiacs.umd.edu/~knkim/KG_VISA/PCA/FaceRecog_PCA_Kim.pdf

은 "PCA는 훈련 벡터에 의해 이러한 기저 벡터 표현되는 공간의 기반을 계산, 실제로 PCA에 의해 계산 된 고유 벡터는 학습 벡터의 최대 분산 방향에 있습니다. 이전에 말했듯이 고유 벡터라고 부릅니다.

각 고유 얼굴은 특정 피사체를 볼 수 있습니다. 얼굴 공간, 얼굴 공간으로의 벡터의 중요성 o 얼굴에있는 각 기능들. 얼굴은 고유 공간 계수 (또는 가중치)에 의해 얼굴 공간에서 표현됩니다. 우리는 얼굴 공간에서 작은 무게 벡터를 취함으로써 큰 ​​입력 벡터, 얼굴 이미지를 다룰 수 있습니다. 이것은 이미지 공간의 차원이 얼굴 공간의 차원보다 훨씬 크기 때문에 원래의 얼굴을 약간의 오류로 재구성 할 수 있음을 의미합니다.

이 보고서에서는 얼굴 인증만을 고려해 보겠습니다. 훈련 세트의 각 얼굴은 얼굴 공간으로 변형되고 그 구성 요소는 메모리에 저장됩니다. 얼굴 공간에는 이러한 알려진 얼굴이 있어야합니다. 입력 된 얼굴이 시스템에 주어지면 얼굴 공간에 투사됩니다. 이 시스템은 저장된 모든면에서의 거리를 계산 "

몇 가지 튜토리얼을 사용할 수 있습니다 여기 내 마음에 드는 :..

• http://scikit-learn.org/dev/auto_examples/applications/face_recognition.html

  http://www.tp.umu.se/~nylen/pylect/advanced/scikit-learn/index.html#id9

  http://www.janeriksolem.net/2009/01/pca-for-images-using-python.html