OpenCV学习(38) 人脸识别(3)

前面我们学习了基于特征脸的人脸识别，现在我们学习一下基于Fisher脸的人脸识别，Fisher人脸识别基于LDA(线性判别算法)算法，算法的详细介绍可以参考下面两篇教程内容：

LDA算法细节参考：

程序代码:

return 0;
    }

从代码中我们可以看到，最大的区别就是创建人脸识别模式类时候，调用的函数不一样，其它代码和特征脸识别的代码一样，对于train和predict函数来说，调用方式完全一样，只是底层的具体算法细节不一样。

Ptr<FaceRecognizer> model = createFisherFaceRecognizer();

下面是Fisher人脸识别类的train函数，从中可以看到，函数会先调用PCA算法进行降维，之后再执行LDA算法，求得Fisher特征值和特征向量。注意投影矩阵是PCA算法的特征向量和LDA算法特征向量的乘积。

// 先用PCA算法降维perform a PCA and keep (N-C) components

PCA pca(data, Mat(), CV_PCA_DATA_AS_ROW, (N-C));

// 把数据投影到 PCA空间，再对该数据执行LDA算法

LDA lda(pca.project(data),labels, _num_components);

// 保存总的均值向量

_mean = pca.mean.reshape(1,1);

_labels = labels.clone();

lda.eigenvalues().convertTo(_eigenvalues, CV_64FC1);

//计算投影矩阵=pca.eigenvectors * lda.eigenvectors.

// Note: OpenCV stores the eigenvectors by row, so we need to transpose it!

gemm(pca.eigenvectors, lda.eigenvectors(), 1.0, Mat(), 0.0, _eigenvectors, GEMM_1_T);

//把原始矩阵投影到新的投影空间

for(int sampleIdx = 0; sampleIdx < data.rows; sampleIdx++) {

Mat p = subspaceProject(_eigenvectors, _mean, data.row(sampleIdx));

_projections.push_back(p);

}

在程序中，我们仍然使用AT&T Facedatabase数据库的图片，原教程中推荐用Yale Facedatabase A，但是它的图像格式是gif，OpenCV不支持，只好放弃。

程序代码：FirstOpenCV34