人脸识别(Face Recognition),是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术,通常也叫做人像识别、面部识别。由于往往图像的维度较高,把二维的图像先灰度化,转化为一通道的图像,之后再把它首尾相接转化为一个列向量,假设图像大小是20像素*20像素的,那么这个向量就是400维。采用传统的机器学习分类算法在面对大量的特征时,往往抓不到主要特征,从而训练得到的模型的分类性能较低。一种经典的解决人脸识别问题的算法是特征脸法(Eigenface),本质上其实就是PCA降维。特征脸方法利用主成分分析进行降维和特征提取。主成分分析是一种应用十分广泛的数据降维技术,该方法选择与原数据协方差矩阵前几个最大特征值对应的特征向量构成一组基,以达到最佳表征原数据的目的。因为由主分量分析提取的特征向量返回成图像时,看上去仍像人脸,所以这些特征向量被称为“特征脸”。本案例中,我们将使用Labeled Faces in the Wild网站的[All images aligned with funneling](http://vis-www.cs.umass.edu/lfw/)数据集,利用SVM分类算法来进行降维后的图片的分类。