Ответ 1
Чтобы сгенерировать набор собственных функций, a большой набор оцифрованных изображений человека лица, взятые под одно и то же освещение условия, нормализуются для выравнивания глаза и рты. Тогда они все перепродажа на одном пикселе разрешающая способность. Собственные функции могут быть извлечение из данных изображения посредством средства математического инструмента, называемого анализ основных компонентов (PCA).
Собственные границы теперь можно использовать для представляют новые лица: мы можем спроектировать новое (вычитаемое) изображение на и тем самым записывать, как это новое лицо отличается от среднего лица. Собственные значения, связанные с каждым На самом деле, изображения в обучающем наборе варьируются от среднее изображение в этом направлении. Мы потерять информацию, спроектировав образ на подмножестве собственных векторов, но мы минимизируем эту потерю, сохраняя те собственные поверхности с наибольшим собственные значения.
Если ваши лица не выровнены, я рекомендую прочитать следующую статью:
Аннотация: Мы представляем компонентный метод и два глобальных метода узнавать и оценивать их с помощью уважение к стойкости к позе изменения. В системе компонентов мы сначала найдите компоненты лица, извлечь их и объединить в отдельный вектор, который классифицируется с помощью векторной машины поддержки (СВМ).
Две глобальные системы распознают лица путем классификации одного вектор-функции состоящий из серых значений все лицо изображение. В первом глобальном мы подготовили единый SVM классификатор для каждого человека в база данных. Вторая система состоит наборов специфических для SVM-объектов классификаторов и включает кластеризацию во время обучения.