人脸识别之特征人脸方法是一种应用主成份分析来实现人脸图像降维的方法，其本质是用一种称为“特征人脸(eigenface)”的特征向量按照线性组合形式来表达每一张原始人脸图像，进而实现人脸识别。 由此可见，这一方法的关键之处在于如何得到特征人脸。
算法描述：
每个人脸特征向量 ?? 与原始人脸数据 ?? 的维数是一样的，均为1024。
可将每个特征向量还原为 32 × 32 的人脸图像，称之为特征人脸，因此可得到 ? 个特征人脸。
基于特征人脸的降维
（1）将每幅人脸分别与每个特征人脸做矩阵乘法，得到一个相关系数
（2）每幅人脸得到 ? 个相关系数 ⇒ 每幅人脸从1024维约减到 ? 维
（3）由于每幅人脸是所有特征人脸的线性组合，因此就实现人脸从“像素点表达”到“特征人脸表达”的转变。每幅人脸从1024维约减到?维。
在后续人脸识别分类中，就使用这 ? 个系数 来表示原始人脸图像。即计算两张人脸是否相似，不是去计算两个32×32矩阵是否相 似，而是计算两个人脸所对应的 ? 个系数是否相似 。
人脸表达的方法对比：
聚类、主成份分析、非负矩阵分解
