前言：人臉識別是一個很經典的課題，圍繞它可以做成很多實際應用，比如教室人臉考勤，人臉門禁系統，無人超市購物系統，刷臉支付系統等等。可是，為什么這一切是靠什么進行匹配人臉的呢，怎么那么神奇呢。人臉識別的主流方法有PCA，KPCA，bp神經網絡，卷積神經網絡cnn，向量機SVM，LDA,ICA，稀疏矩陣等等方法。該文主要講解PCA算法，講PCA具體是怎么降維的，何為降維，怎么就降維了，以及何為人臉特征向量等。本人盡自己所能，講到通俗易懂，平易近人，以簡單的矩陣做枚舉，講的不好的地方多多包涵。

1、假設簡單矩陣為人臉圖像的矩陣

假定張三，李四，王五3人的歸一化同樣大小以后的灰度圖像分別為A，B，C，為減少記憶量，其對應矩陣同名為A，B，C。

假設A如下：

2	1	3
4	2	1
1	2	0

用矩陣表示，就是

A=

2 1 3

4 2 1

1 2 0

假設B如下：

0	1	2
2	2	3
3	8	1

用矩陣表示，就是

B=

0 1 2

2 2 3

3 8 1

假設C如下：

4	0	3
1	1	0
3	4	5

用矩陣表示，就是

C=

4 0 3

1 1 0

3 4 5

1、對矩陣進行列向處理

對矩陣A, B,C進行按列排序轉換，設I是m行n列的矩陣，matlab使用方式是：I1 = I(:)表示矩陣I生成m*n行1列的矩陣。

A= A(:)

同理，取列后的矩陣為：

同理，取列后的矩陣C為：

1、對矩陣進行行向處理

對取列后的矩陣A、B、C再進行轉置，即將矩陣逆時針旋轉90°，再上下鏡像翻轉180°，線性代數表示式是：(A)T , (B)T , (C)T, matlab公式為：A = A'；

對A進行轉置，轉置后的矩陣A為：

同理，轉置后的矩陣B為：

同理，轉置后的矩陣C為：

至此，完成了以下工作：

也就是原來3行3列的矩陣A,B,C變成了現在的1行9列，如下圖所示：

張三A	2	4	1	1	2	2	3	1	0
李四B	0	2	1	1	2	2	2	3	0
王五C	4	1	3	0	1	4	3	0	5

1、取均值

對以上3個行向量取平均值，matlab調用格式為：mA=mean(samples)，如下圖：

1、求偏差矩陣，即每個向量跟均值作差

張三李四王五的ABC向量分別減去平均向量mA，即samples-mA，對應像素相減，結果為下圖所示：

因工作原因，MATLAB主成分PCA人臉識別深度解析（二）待續。。。抽絲剝繭深度解剖PCA主成分人臉識別系統算法，有需要可私心本人，會抽時間進行撰寫。

創作不易，多多點贊，好評，轉發。。。

總結

以上是生活随笔為你收集整理的matlab 归一化_MATLAB主成分PCA人脸识别深度解析（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。