Java PCA人脸识别及其实现技术

我正在做一个使用PCA算法的faiale识别项目。我必须用JAVA开发这个项目，我对这个算法的实现有一些问题：

第一：在计算平均面（meanface）时，我是否应该考虑到我正在处理图像，这意味着所有图像向量的平均值不能用代数中相同的方法计算，但我们应该对每个像素的相同分量进行求和（例如：红与红、绿与绿等），然后将结果除以图像向量的数量。这对不对

如果前面的方法是正确的，那么向量的乘法呢？当我处理图像向量时，应该如何计算它

---

第二：假设前面的主题不正确，当我计算图像的特征向量时（使用算法中解释的代数方法）当试图使用特征向量和变换矩阵检索源图像时，结果向量包含的像素数量非常庞大，无法表示任何图像，那么我的问题是什么呢

所有图像应首先转换为灰度。然后，以与所有图像中每个像素的代数平均值相同的方式计算平均面，因此所有图像中所有像素（0,0）的平均值就是平均面的像素（0,0），依此类推

所有其他计算均按像素进行

---

如果没有，则要将rgb转换为灰度，请使用p=0.587*红色+0.299*绿色+0.114*蓝色

首先将所有图像转换为灰度。然后，以与所有图像中每个像素的代数平均值相同的方式计算平均面，因此所有图像中所有像素（0,0）的平均值就是平均面的像素（0,0），依此类推

所有其他计算均按像素进行

---

如果您没有这个功能，请使用p=0.587*红色+0.299*绿色+0.114*蓝色将rgb转换为灰度。您能准确地解释一下从何处获得的巨大数字吗？然后我可以帮助您了解发生了什么。在PCA识别过程中，我遇到的最大数字是数千，尽管许多特征脸包含的数字小于0。为了进一步解释，我添加了前面的步骤，我想知道是否有一个先决条件，我应该使用这种算法的图像类型，例如，pixelsIve中不包含alpha参数的图像从未使用过jama库，因此在实现该库时帮不了你太多。特征值在哪里？我假设它们可以从E中返回，或者E中的向量已经排序了吗？你能确切地解释一下从哪里得到这些巨大的数字吗？然后我可以帮助你理解发生了什么。在PCA识别过程中，我遇到的最大数字是数千，尽管许多特征脸包含的数字小于0。为了进一步解释，我添加了前面的步骤，我想知道是否有一个先决条件，我应该使用这种算法的图像类型，例如，pixelsIve中不包含alpha参数的图像从未使用过jama库，因此在实现该库时帮不了你太多。特征值在哪里？我假设它们可以从E返回，或者E中的向量已经排序了吗？