本文主要是介绍机器学习之基于Fisher实现二分类的人脸识别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
实验 2：基于 ORL 人脸库，实验样本主要来自于两个人，每人 45 张图片，共有 90 个样本，其中的 80 个样本作为训练样本，10 个作为测试样本。通过 LDA 实现两类问题的线性判别。
一个Fisher线性分类器讲解的不错的博客：参考博客
与上篇博客的基本内容相差不多，但是相比起上篇中的数据，本次实验多了对人脸数据的处理。
def Get_img(file_path):train_set = np.zeros(shape=[1,32*32])# print(file_path)for filename in os.listdir(file_path):img = cv2.imread(file_path+'/'+filename,cv2.IMREAD_GRAYSCALE)#表示以灰度图像读入n,m = img.shaperes = img.reshape(1这篇关于机器学习之基于Fisher实现二分类的人脸识别的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
