人脸识别PCA方法，带orl人脸库

使用主成分分析（PCA）实现人脸识别，并对两种分组方式的结果进行呈现。 MATLAB实现以及python的代码

采用PCA进行特征降维，并用最小距离分类器进行分类的人脸识别程序。内含训练库和测试库，初学者的福音。

包含样本数据库和测试数据库，可以运行，识别率很高，并有清晰的解释，很容易懂，适合刚入门的学习

基于的人脸识别算法，首先应用变换，求出训练人脸空间的特征值，对特征值进行一定的取舍，然后构成一个新的低维正交基空间，我们将所有的人脸投影在这个低维空间中，然后计算与待测图像的人脸最近的人脸图像，最后完

这是一个基于PCA的人脸识别算法，程序语言是Matlab,亲测能用。而且里面有PDF可以学习相应的原理和数学计算过程。有助于学习机器学习的降维算法。

PCA PCA Opencv人脸识别详解，详细的介绍了PCA空间

这个人脸识别程序，先从集体图片picture和测试照片photo中查找人脸，提取出来，转为灰度图并均衡化，命名为i.jpg。然后利用PCA方法识别，从集体图片picture中提取的图片作为训练样本，从

主成分分析的matlab简单应用,是对人脸识别的简单使用

pca人脸识别的matlab代码，已经测试过了，能够正常运行。

针对ORL人脸数据库进行实验，选取每个人的前8张图像作为训练集，最后两张作为测试集，进行实验。最终80张测试图像，准确预测了50张，预测准确率为50/80*100%=62.5%