Facial-recognition-via-sparse-representation:该项目是ENSAE压缩感测课程的一部分

面部识别通过稀疏识别 该项目是ENSAE压缩感知课程中的一部分。 与一位同学合作完成。 该软件包不包含原始的AR人脸数据文件，需要通过以下链接获取该文件： : 。 该报告是法文。 但是，Jupyter Notebook用英语完全注释。 注意：在feature_reduction.py中，有一个参数“ nb_component”。 这是因为我们不需要给定图片中的所有可用信息。 它在最后创建了一个如此大的矩阵，以至于计算变得乏味。 因此，当nb_component进入时，减小矩阵的大小是很好的。它是一个可以更改的数字，并且与要考虑的像素数相对应，因为它成为尺寸因子。 例如，原始图像为120x165，尺寸将为19800，而尺寸为30x42的调整大小的图片将产生1260，这在我们的演示文稿中已经足够了。