Relatório trabalho 1 Visão Computacional
Aluna: Laura Silva Lopes, GRR20163048

Os caminhos (linha 149 e linha 150) até os diretórios com as imagens estão como:
path_yale = 'yale_faces'
path_orl = 'orl_faces'

Estão implementados e executando corretamente no código:
- Leitura do banco de imagens
- Computação da face média
- Computação das eigenfaces e implementação do método de reconhecimento pela Eigenface
- Uso de validação cruzada para o reconhecimento

Os datasets usados e suas características são: 
    ORL (AT&T) Database -- 10 pessoas x 40 imagens, cada uma com 92x112 pixels e 256 níveis de cinza
    The Yale Face Database -- 15 pessoas x 11 imagens, cada uma com 320x243 pixels

A saída obtida foi:
YALE dataset
The accuracy for .centerlight images is 0.266666666667
The accuracy for .glasses images is 0.666666666667
The accuracy for .happy images is 0.8
The accuracy for .leftlight images is 0.4
The accuracy for .noglasses images is 1.0
The accuracy for .normal images is 0.866666666667
The accuracy for .rightlight images is 0.266666666667
The accuracy for .sad images is 0.866666666667
The accuracy for .sleepy images is 0.933333333333
The accuracy for .surprised images is 0.533333333333
The accuracy for .wink images is 0.666666666667
The best image to classify is .noglasses and the worst is .centerlight

ORL dataset
The accuracy for images 1 is 0.558823529412
The accuracy for images 2 is 0.741935483871
The accuracy for images 3 is 0.617647058824
The accuracy for images 4 is 0.592592592593
The accuracy for images 5 is 0.612903225806
The accuracy for images 6 is 0.59375
The accuracy for images 7 is 0.5
The accuracy for images 8 is 0.416666666667
The accuracy for images 9 is 0.470588235294
The accuracy for images 10 is 0.483870967742
Mean accuracy: 0.558877776021
Stand deviation accuracy: 0.0890770017773

The training and testing took 100.396633863 seconds