基于pca的人脸特征提取及人脸重构

这里不光包含AdaBoost算法本身的实现，而且还有利用特征模板从人脸提取特征值的代码，可以让大家轻松掌握AdaBoost用于人脸识别的全过程。其实设计模板(Haar特征)并提取特征值是整个过程中最累

1、利用深度图信息，转化到3维空间，旋转，投影回2D深度图，制作不同姿态角度数据集 2、基于法向量、直方图，提取3D人脸姿态特征 3、决策树分类，估计3D深度信息-头部姿态

人脸识别系 特征提取

数据集就是网上通用的笑脸数据集里面包含笑脸和非笑脸图片 拥有“少量”样本可能意味着从数百到数万张图像。作为一个实际的例子,我们将在包含4000张笑和没笑的图片(2000张笑的,2000没笑的)的数据集

c#人脸识别，人脸特征提取实例运行程序，进行人脸关键部位截取，并进行人脸对比

利用PCA进行特征提取，KNN作为分类器对高光谱图像进行分类，内含高光谱数据

基于LBP的实现人脸检测，其中PCA用来降维，LBP用于提取纹理特征BoostingLbp，源码包含了很多知识点。

论文研究-基于活动轮廓模型的人脸特征提取方法的研究.pdf,  根据活动轮廓模型理论 ,提出了提取人脸面部特征的系列算法 ,特征是精确的轮廓描述而非简单的数字表达.

特征提取是人脸识别的关键环节之一。文章首先简述了独立成分分析(Independent Component Analysis, ICA)的基本模型和原理,介绍了快速独立成分分析FastICA方法特征提取

针对非负矩阵分解算法在样本维数过高情况下收敛效果差的问题，提出了一种核矩阵非负分解算法。通过核映射方法获得表征样本间相似度的核矩阵，以减小样本类内散度，增大样本类间散度，从而改善样本内部噪声干扰，提高