基于K-L变换的人脸识别技术主要思想是：提取输入人脸图像矩阵的特征向量，并与图像数据库中样本特征的向量求欧氏距离，距离小于阈值时便认为识别成功。本程序即为利用K-L原理实现人脸检测的实例。-The main idea of ​ ​ the face recognition technology based on KL transform is: extract the matrix of the input face image feature vectors and Euc

1. 本程序使用PCA算法对训练图像降维，得到特征图像； 2. 将每一幅图片与平均图像的差值投影到特征向量空间； 3. 计算训练图片投影两两之间的最大欧氏距离distance_max； 4. 将测试图片也投影到特征向量空间，计算它与所有训练图像投影的最小欧氏距离distanceST_min。 5. 设定判别阈值（设为0.3*distance_max，此为测试得到的经验值，不同阈值将影响判别结果）。当distanceST_min>0.3*distance_max时，则认为测试

利用一个小样本人脸样本库创建数据库ar_test.mat中的训练样本数据和待测样本数据将生产的数据库文件.mat利用FDDL程序进行测试，分类；在程序最后先利用最短距离测试提取特征的效果本文利用SVD分解，并提取了每一幅图像的前3列特征向量（前三个主成分），共计3*200个特征向量，构成一个训练样本列元素最后的简单分类测试效果在90 ，区分度较好，能够适用于其他分类器实验..后续中，选取了第一主成分，发现识别率达到100 ；选取了前33个，反而低于了90 ，不知如何解释？-Using a sma