【进阶OpenCV】 (15)-- 人脸识别 -- EigenFaces算法

文章目录

  • EigenFaces算法
    • 一、算法原理
    • 二、算法流程
    • 三、算法特点
    • 四、代码步骤
      • 1. 图像预处理
      • 2. 创建Eigenfaces人脸识别器
      • 3. 训练模型
      • 4. 预测图像
  • 总结

EigenFaces算法

EigenFaces算法是一种基于主成分分析(PCA)的人脸识别方法,其核心思想是通过矩阵的压缩算法,在减少矩阵维数的同时尽可能地保留原矩阵的信息,以此来提取人脸的主要特征并进行识别。以下是对EigenFaces算法的详细介绍:

一、算法原理

  1. 主成分分析(PCA):PCA是一种常用的数据分析方法,它通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。在EigenFaces算法中,PCA被用于将人脸图像从高维空间投影到低维空间,同时保留人脸的主要特征。
  2. 特征脸(Eigenfaces):特征脸是基于PCA原理生成的一组特征向量的名称。这些特征向量代表了人脸图像的主要特征,可以用于人脸识别。在EigenFaces算法中,首先通过计算人脸图像的协方差矩阵,然后求解其特征值和特征向量,最后选取前几个最大的特征值对应的特征向量作为特征脸。

二、算法流程

  1. 数据预处理:收集人脸图像数据库,将每个人脸图像进行预处理,如裁剪、旋转、缩放等,以确保图像的一致性和准确性。
  2. 计算平均脸:将预处理后的人脸图像按行串成一维向量,并计算所有人脸向量的平均值,得到平均脸向量。
  3. 计算差值向量:将每个人脸向量减去平均脸向量,得到差值向量。这些差值向量反映了每个人脸与平均脸的差异。
  4. 计算协方差矩阵:根据差值向量计算协方差矩阵,该矩阵反映了人脸图像中各像素之间的相关性。
  5. 求解特征值和特征向量:计算协方差矩阵的特征值和特征向量,并选取前几个最大的特征值对应的特征向量作为特征脸。
  6. 特征提取与比对:将原始人脸图像投影到特征脸空间中,得到人脸的特征向量。然后,将待识别的人脸图像也进行同样的特征提取,并与存储在人脸数据库中的特征向量进行比对,找出最接近的特征向量,从而完成人脸识别。

三、算法特点

  1. 降维效果好:EigenFaces算法通过PCA降维方法,将高维的人脸图像数据投影到低维空间,同时保留了人脸的主要特征,大大降低了计算复杂度和存储需求。
  2. 识别准确率高:由于EigenFaces算法能够提取人脸的主要特征,因此在人脸识别中具有较高的准确率。
  3. 对光照和表情变化具有一定的鲁棒性:虽然EigenFaces算法对光照和表情变化敏感,但通过适当的预处理和特征提取方法,可以在一定程度上提高其对光照和表情变化的鲁棒性。

四、代码步骤

1. 图像预处理

准备好训练图像以及对应的标签,还有待识别图像:

注意!!!:在使用EigenFaces算法进行人脸识别时,传入图像的大小(即尺寸)需要保持一致

因为基于PCA进行降维处理提取人脸的主要特征的过程中,需要将人脸图像转换为矩阵形式,并按照一定的规则(如按行或按列)将其转换为一维向量。如果图像的大小不一致,那么转换后的一维向量的维度也会不同,这将导致算法无法正确处理这些向量。

import cv2
import numpy as np"""-----图像预处理----- """
images = []
a = cv2.imread('f1.jpg',0)
a = cv2.resize(a,(100,75))
b = cv2.imread('f2.jpg',0)
b = cv2.resize(a,(100,75))
c = cv2.imread('z1.jpg',0)
c = cv2.resize(a,(100,75))
d = cv2.imread('z2.jpg',0)
d = cv2.resize(a,(100,75))images.append(a)
images.append(b)
images.append(c)
images.append(d)labels = [0,0,1,1]
pre_image = cv2.imread('f_test.jpg',0)
pre_image = cv2.resize(pre_image,(100,75))

2. 创建Eigenfaces人脸识别器

# 创建Eigenfaces人脸识别器
recognizer = cv2.face.EigenFaceRecognizer_create()

3. 训练模型

recognizer.train(images,np.array(labels))

4. 预测图像

label,confidence = recognizer.predict(pre_image)
dic = {0:'yifei',1:"zrn"}
print('这人是',dic[label])
print('置信度',confidence)
aa = cv2.putText(cv2.imread('f_test.jpg').copy(),dic[label],(10,30),cv2.FONT_HERSHEY_SIMPLEX,0.9,(0,0,255),2)
cv2.imshow('xx',aa)
cv2.waitKey(0)
-------------------
这人是 yifei
置信度 3772.118831043097

总结

本篇介绍了,如何通过EigenFaces算法来进行人脸识别,其中需要注意的是:

  1. 在使用EigenFaces算法进行人脸识别时,传入图像的大小(即尺寸)需要保持一致。
  2. 训练以及测试图像最好使用大头照,减少身体的部分。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/56406.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Linux--firewalld服务

firewalld服务 firewalld 介绍 firewalld是CentOS 7.0新推出的管理netfilter的用户空间软件工具 firewalld是配置和监控防火墙规则的系统守护进程。可以实iptables,ip6tables,ebtables的功能 firewalld服务由firewalld包提供 firewalld支持划分区域zone,每个zone可以设置独立…

Gitxray:一款基于GitHub REST API的网络安全工具

关于Gitxray Gitxray是一款基于GitHub REST API的网络安全工具,支持利用公共 GitHub REST API 进行OSINT、信息安全取证和安全检测等任务。 Gitxray(Git X-Ray 的缩写)是一款多功能安全工具,专为 GitHub 存储库而设计。它可以用于…

【大数据技术基础 | 实验三】HDFS实验:部署HDFS

文章目录 一、实验目的二、实验要求三、实验原理(一)分布式文件系统(二)HDFS(三)HDFS基本命令(四)HDFS适用场景 四、实验环境五、实验内容和步骤(一)在master…

优阅达携手 Theobald 亮相新加坡科技周,助力企业 SAP 数据集成与应用

针对不同用户需求量身定制解决方案,帮助企业轻松应对从数据提取到分析、从开发到流程管理的 SAP 数据挑战。 上周,2024 新加坡科技周在滨海湾金沙会议展览中心圆满落幕。在为期两天的活动中,七大专题展览同时进行,超过 2,000 家…

二、Thread常见的方法

Thread 类是 JVM ⽤来管理线程的⼀个类,换句话说,每个线程都有⼀个唯⼀的 Thread 对象与之关 联。 2.1 Thread 的常⻅构造⽅法 方法说明Thread()创建线程Thread(Runnable target)使用 Runnable 实现多线程Thread(String name)创建线程 并命名Thread(Ru…

【解决】webstrom uniapp rpx格式化空格 报错飘红

解决办法 1、安装 wechat mini program support 插件 2. 设置 wechat mini program 里小程序支持选为启用 3. 重新格式化显示正常&#xff0c;也不飘红了 注意要style开启scss支持lang"scss"&#xff0c;否则也会飘红报错 <style lang"scss"><…

理解JVM里的栈信息

文章目录 栈内存的结构实际例子局部变量表&#xff08;Local Variable Array&#xff09;操作数栈&#xff08;Operand Stack&#xff09;动态链接&#xff08;Dynamic Linking&#xff09;方法返回地址&#xff08;Return Address&#xff09;其他信息 调用示意图问题 栈内存的…

『Mysql集群』Mysql高可用集群之读写分离(二)

前言 主从复制: 解决了Mysql的单点故障问题以及提高MySQL的整体服务性能. 读写分离: 解决的是数据库的读性能问题,分担主库的压力&#xff0c;提高系统的可用性和稳定性。 分库分表: 数据库分表可以解决单表海量数据的查询性能问题&#xff0c;分库可以解决单台数据库的并发…

【微服务】精细化微服务日志管理:构建高效的监控与故障排查体系

目录 引言一、微服务日志的概述1.1 定义1.2 重要性 二、微服务日志的类型2.1 日志类型详细说明 三、微服务架构的日志挑战四、微服务日志的实现4.1 日志记录4.2 日志格式 五、日志收集5.1 日志收集概述5.2 常用日志收集工具5.3 日志收集工具详细对比5.4 日志收集流程 六、日志存…

轮转数组解决方法

轮转数组 问题描述 给定一个整数数组 nums&#xff0c;将数组中的元素向右轮转 k 个位置&#xff0c;其中 k 是非负数。也就是说&#xff0c;将数组的每个元素向右移动 k 个位置&#xff0c;超过数组长度的部分循环到数组的开头。 示例&#xff1a; 输入&#xff1a;nums …

新能源行业必会基础知识-----电力交易员职业标准-----持续更新

新能源行业知识体系-------主目录-----持续更新https://blog.csdn.net/grd_java/article/details/140004020 文章目录 1. 基本常识2. 达到基本入行标准&#xff08;四级/中级&#xff09;2.1 交易资质及信息管理2.2 中长期交易2.3 现货交易2.4 辅助服务管理2.5 售电管理2.6 电价…

mysql数据迁移到elasticsearch以及elasticsearch的使用

目录 根据数据不断调整架构安装elasticsearch 版本8.12.2kibana安装ik分词分词的拓展以及停用 springboot实战pom.xmlapplication.yml相关配置框架集成-SpringData-集成测试-文档操作 相关代码调整 随着物联网平台的不断发展&#xff0c;平台要求接入的模块会越来越多&#xff…

Qt 实现动态时钟

1.实现效果 2.widget.h #ifndef WIDGET_H #define WIDGET_H#include <QWidget>QT_BEGIN_NAMESPACE namespace

leetcode中哈希的python解法:Counter()介绍

Counter 是 Python 的 collections 模块中的一个类&#xff0c;用于统计可迭代对象中元素的出现次数。Counter 是一种专门为计数设计的哈希表&#xff08;字典&#xff09;&#xff0c;它的键是元素&#xff0c;值是元素出现的次数。 Counter 的特点&#xff1a; 继承自 dict…

hackmyvm-Hundred靶机

主机发现 sudo arp-scan -l 以sudo权限执行arp-scan -l 扫描并列出本地存在的机器&#xff0c;发现靶机ip为192.168.91.153 nmap扫描 端口发现 21/tcp open ftp 22/tcp open ssh 80/tcp open http web信息收集 我们先尝试一下ftp端口的匿名登录 FTP:是文件传输协议的端…

JAVA 中的克隆对象

克隆对象就是复制一个一模一样的对象&#xff0c;但是复制出来的对象和原对象不是同一个对象&#xff0c;是两个对象&#xff0c;只不过复制过来的对象和原对象除了内存地址之外&#xff0c;其它的属性一模一样。 在超类 Object 中有一个 clone() 方法&#xff1a; protected…

17. typedef关键字的使用

一、为什么需要typedef关键字 C 语言允许用户使用 typedef 来为一个数据类型起一个新的别名。一旦用户在程序中定义了别名&#xff0c;就可以在该程序中使用别名来定义变量的类型、数组的类型、指针变量的类型与函数的类型等。 typedef 关键字定义的名称并不是真的创造了一种数…

循序渐进丨MogDB 中 gs_dump 数据库导出工具源码概览

背景 gs_dump 是 MogDB 中一个功能丰富灵活的数据库导出工具&#xff0c;在数据库的维护、迁移和开发中经常使用。该工具允许用户根据需要导出整个数据库或者数据库中的特定对象&#xff0c;如模式&#xff08;schema&#xff09;、表&#xff08;tables&#xff09;、视图&am…

grafana version 11.1.0 设置Y轴刻度为1

grafana 版本 # /usr/share/grafana/bin/grafana --version grafana version 11.1.0设置轴 Axis 搜索 Standard options 在"Decimals"中输入0&#xff0c;确保只显示整数

Java基础12-特殊文件和日志技术

十二、特殊文件和日志技术 1、特殊文件 properties&#xff1a;用来存储键值对数据。 xml&#xff1a;用来存储有关系的数据。 1.1 properties文件 特点&#xff1a;存储键值对&#xff0c;键不能重复&#xff0c;文件后缀一般是.properties结尾的。 properties&#xff1a;是…