Cómo utilizar la implementación Python de pca para el reconocimiento facial

Método de reconocimiento facial basado en eigenface (PCA)

El método eigenface es un método de reconocimiento facial basado en la transformación KL, que es un método utilizado para la transformación ortogonal óptima. El espacio de imagen de alta dimensión obtiene un nuevo conjunto de bases ortogonales mediante la transformación KL y conserva la base ortogonal importante, de modo que puede dividirse en un espacio lineal de baja dimensión. Si se supone que las proyecciones de caras en estos espacios lineales de baja dimensión son diferenciables, entonces estas proyecciones se pueden utilizar como vectores de características para el reconocimiento, que es la idea básica del método de caras propias. Estos métodos requieren una gran cantidad de muestras de entrenamiento y se basan completamente en las propiedades estadísticas de la imagen en escala de grises. Actualmente existen algunos métodos de cara propia mejorados.

Por ejemplo, una foto en escala de grises de un rostro humano tiene 40x40 = 1600 píxeles y se utiliza una matriz compuesta por el valor en escala de grises de cada píxel para representar el rostro de la persona. Entonces la cara de esta persona debería tener 1600 puntos característicos. Al tomar una gran cantidad de estas muestras y ejecutar un pca, se extraen algunas características que son estadísticamente representativas de la muestra dada.

El reconocimiento facial puede utilizar la idea del aprendizaje profundo de redes neuronales. ColorReco tiene muchos casos a este respecto.

El reconocimiento facial puede adoptar la idea del aprendizaje profundo de redes neuronales.