基於PCA的Face Service

　　PCA把多維資料降維，並使各維之間的相關性為零，從而最小化重構資料與原資料的方差。PCA可以用於Face Service，即特徵臉方法。PCA用於Face Service的大體思路如下所述。

　　假設圖片庫中圖片數為n,圖片資料量為d=M*N
　　訓練流程：
 　　　　1,把圖片庫中的所有圖片轉化為灰階圖片，然後形成n*d大小的矩陣X;
 　　　　2,計算d維均值m,計算X中每個樣本減去均值後的矩陣Y(n*d大小);
 　　　　3,使用PCA產生維數為n*k維的方陣A(k<=n-1),k的值可以根據需要選擇。其中A的各列為矩陣Y*Y'的最大的k個特徵向量所構成。可以注意到Y*Y'即為共變數矩陣;
　　　　 4,使用Y'*A產生d*k的特徵臉EF(d*k大小);
 　　　　5,對每張圖片Y(i,:)*EF產生每張圖片的k維投影向量P(i);
　　識別過程：
 　　　　1,對識別圖片轉化為灰階圖片，再轉換為d維向量z;
 　　　　2,計算z*EF產生待識別圖片的投影向量的投影q;
 　　　　3,計算P(i)中與q距離最近的i值作為結果。