我正在使用特征脸实现一个面部识别的小项目。

我已经成功计算并将特征脸保存到了一个文件夹中。使用的代码如下：

  Matrix<-readInImagesAndLinearize()  avg_face<-as.vector(colMeans(Matrix, na.rm = FALSE, dims = 1))  A <- t(Matrix) - matrix(avg_face, ncol=dim(Matrix)[1], nrow=dim(Matrix)[2])  L <- t(A) %*% A  V <- eigen(L)  eigenValues <<- V[['values']]  eigenFaces <<- apply((A %*% V[['vectors']]), 2, function(x) {  # 归一化并缩放到1  y <- x/sqrt(sum(x^2))  y <- x - min(x)  (1/max(y)) * y  })  

然后将它们保存到文件中。

我的下一步应该是什么？我该如何具体地降低维度，并随后使用它来识别给定的面部是否与另一张面部相似？

回答：

你可以通过移除对应于最小特征值的特征向量来降低维度。你需要决定保留多少个特征向量（例如，你可以决定保留足够多的特征向量/特征值，使得保留的特征值之和至少占所有特征值之和的99%）。当你接收到一张新图像时，你可以通过将其投影到保留的特征向量上（即，将图像向量与每个保留的特征向量进行点积）来降低其维度。

识别两张面部是否相似是另一个完全不同的问题。主成分分析只处理维度降低的问题——它不是一个分类器。你仍然需要选择一个分类算法，这应该基于多种考虑（图像的大小和特性，是否有同一个人的多张图像，是否有不同的视角/距离等）。