Matlab使用PCA来做人脸识别的过程

对于一个人的10副图，每一副图片按照从上到下，从左到右组成一个行向量，这个行向量的维度为n。a1,a2,...a10组成一个10*n的矩阵A。接下来说一下用matlab做的过程：
1：计算A的没列的平均值meanA矩阵，这个矩阵的大小是1*n的。
2：计算A的协方差矩阵，直接利用matlab的命令covImages = cov(A)，得到的协方差矩阵为n*n的。
3：计算covImages的特征值和特征向量，利用命令[V, D] = eig(covImages)，这样直接把covImages的特征向量和特征值放在了V和D中，由于covImages是一个对称矩阵，所以D中的对角线元素师按照从小到大的，而我们PCA要的是特征值较大的那个，所以为了取得方便，我们做如下变换D = flipud(diag(D))，同时V = fliplr(V)。此时D是一个n*1的矩阵，从上到下按照从打到小排列的，V是其中与D中每一个值对应的特征向量。根据PCA的定义，我们取最大特征值对应的特征向量也就是eigenFace = V(,:1)作为特征脸（主成分方向就是特征脸）
4：计算人脸在特征脸上的投影，由于这个人有10副图，任意选一个都可以来计算投影，我们选择第一个吧,记firstFace = A(:,1)-meanA，来计算first
Face在投影上的一个权重Weight=eigenFace'*meanA'。
5：以上过程可以叫做是我们叫做人脸识别的学习阶段，主要就是为了获取每一个人的Weight。
6：新来一副图片，让这个图片分别减去所以学习到的meanA，然后计算在对应eigenFace上的投影权重Weight-i，比较Weight-i与所有Weight的欧氏距离，选取最近的或者一定阈值范围内的即可。