基于特征练的PCA人脸识别程序，有明确的说明文档

这个包实现了一种著名的基于 PCA 的人脸识别方法，称为“特征脸”。 该程序易于使用。 此外，还添加了一个示例项目文件 demo_PCA.m' 来演示如何使用，还包括 ORL 训练和测试数据库，以通过随机选择图像来显示不同大小的测试和训练数据集上执行时间和识别百分比的性能比较。 用于 LOOCV（留一法交叉验证）测试的附加文件 LOOCV.m。 用于比较 PCA 与均值、众数和中值修改的附加文件 Comparision.m。 附加文件 PRR.m 被添加到子函数中，用于计算单个类的精度和召回率。 为了更好地理解 PCA 和所涉及的测试，您可以使用给出的教程： http : //www.cs.otago.ac.nz/cosc453/student_tutorials/principal_components.pdf http://www.creighton.edu/fileadmin/use

这是用PCA提取人脸特征源码。下载解压后可以直接运行。

基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别 基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别

基于GPU的特征脸算法优化研究.pdf

好用的opencv ORL人脸库 ORL人脸库（英国）： 剑桥大学，40人，每人10张照片，包括表情变化，微小姿态变化，20%以内的尺度变化。 其他人脸数据库也有上传 比如： Yale人脸库（美国）CMU-PIE人脸数据库Yale 人脸数据库B MIT 人脸数据库 ORL人脸库（英国） INRIA数据库 UMIST人脸库（英国）KinFace人脸数据库 AR人脸库（美国）Bern人脸库

特征脸代码matlab PCA_faces 在 Matlab 中使用 PCA 进行人脸识别。 有关 的理论，请参阅维基百科。 主要出发点： PCA_debug.m - 启用所有调试的最简单的脚本，从这里开始。 PCA_training_set_size.m - 创建准确度如何取决于训练集大小的图表。 PCA_principal_components.m - 创建一个图表，准确度如何取决于主成分的数量。 PCA_predict.m - 用户提供的图像的预测类。 训练集文件必须命名为f__.jpg ，例如f_1_01.jpg或f_13_10.jpg 。 所有类必须有相同数量的训练图像。 班级=当然是人。 所有函数都包含大段调试代码，通常在未设置全局变量debug时停用。 您可以忽略这些，或者仅在调用要调试的函数之前通过设置debug = 1来使用它们。 我还没有弄清楚如何将这段代码移到函数之外，因为它经常使用内部变量。 我使用基于 OpenCV 的图像预处理（脚本提供了很好的起点，感谢 Yuri！）。 不过，它似乎没有太大区别，非预处理图像实现了更高的准

模式识别大作业中的KL变换人脸识别，附加特征脸处理和显示和ORL人脸数据库

主要为大家详细介绍了人脸识别经典算法一，特征脸方法Eigenface，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别