会计学OpenCV基本介绍人脸识别概要(gàiyào)PCA原理介绍用PCA算法人脸识别的优缺点OpenCV（OpenSourceComputerVisionLibrary）是一个基于（开源）发行的跨平台计算机视觉库，可以运行(yùnxíng)在Linux、Windows和MacOS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV对非商业应用和商业应用都是免费的，源代码公开，具备强大的图像和矩阵运算能力，具有丰富的函数处理函数，减少开发者的工作量，有效提高开发效率和程序运行(yùnxíng)的可靠性。应用：人机互动、物体识别、图象分割、人脸识别、动作识别、运动跟踪、机器人人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪(gēnzōng)人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。PCA方法由于其在降维和特征提取方面的有效性，在人脸识别领域得到了广泛的应用。PCA方法的基本原理是:利用K-L变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。主要包括(bāokuò)两个阶段：训练阶段+识别阶段训练(xùnliàn)阶段如：第i个图像(túxiànɡ)矩阵为则xi为第二步：计算平均脸计算训练(xùnliàn)图片的平均脸：第三步：计算(jìsuàn)差值脸计算(jìsuàn)每一张人脸与平均脸的差值第四步：构建(ɡòujiàn)协方差矩阵第五步：求协方差矩阵的特征值和特征向量，构造(gòuzào)特征脸空间若协方差矩阵的维数为MN*MN，当其维数较大，计算量比较大，所以采用奇异值分解(SingularValueDecomposition,SVD)定理，通过求解的特征值和特征向量来获得的特征值和特征向量。求出C的特征值及其正交归一化特征向量根据特征值的贡献率选取前p个最大特征向量及其对应(duìyìng)的特征向量贡献率是指选取的特征值的和与占所有特征值的和比，即：一般取即使训练样本在前p个特征(tèzhēng)向量集上的投影有99%的能量求出原协方差矩阵的特征(tèzhēng)向量则“特征(tèzhēng)脸”空间为：第六步将每一幅(yīfú)人脸与平均脸的差值脸矢量投影到“特征脸”空间，即第一步：将待识别的人脸图像与平均(píngjūn)脸的差值脸投影到特征空间，得到其特征向量表示：系统(xìtǒng)优缺点分析Thankyou!