基于PCA算法的Eigenface人脸识别训练与识别方法

简介：
本研究探讨了利用主成分分析(PCA)算法实现Eigenface人脸识别技术的方法，包括训练模型和进行人脸辨识的过程。 自己编写代码实现 Eigenface 人脸识别的训练与识别过程，并完全手动完成。 假设每张人脸图像仅包含一个人脸且两只眼睛的位置已知（可以人工标注给出）。对于每个图像，存在一个与其文件名相同但后缀为 txt 的文本段落件中存储了该图像的眼睛位置信息；此文本段落件中的数据以一行、空格分隔的 4 个数字表示，分别对应于两只眼睛中心在图像中的坐标。 需要实现两个程序过程（生成两个执行文件），分别用于训练和识别操作。 自行构建一个人脸库（至少包含 40 张不同人的面部图像，包括自己的脸部照片）。课程主页提供的人脸数据集可供选择使用； 不允许直接调用 OpenCV 库中与 Eigenface 相关的函数。可以利用外部提供的特征值及特征向量求解函数。程序编写语言仅限于 C/C++ 和 Python ，不支持其他编程语言。 界面展示部分只能采用 OpenCV 自带的 HighGUI，不能使用 QT 或者其他的图形用户接口库； 开发平台可以选择 Windows、Linux 或 MacOS 系统，建议优先考虑在 Windows 平台上进行。