人臉識(shí)別matlab程序

人臉識(shí)別matlab程序人臉識(shí)別matlab程序人臉識(shí)別matlab程序xxx公司人臉識(shí)別matlab程序文件編號(hào)：文件日期：修訂次數(shù)：第1.0次更改批準(zhǔn)審核制定方案設(shè)計(jì)，管理制度人臉識(shí)別%%PCA人臉識(shí)別修訂版，識(shí)別率88％%calcxmean,sigmaanditseigendecompositionallsamples=[];%所有訓(xùn)練圖像fori=1:40forj=1:5a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.jpg'));%imshow(a);b=a(1:112*92);%b是行矢量1×N，其中N＝10304，提取順序是先列后行，即從上到下，從左到右b=double(b);allsamples=[allsamples;b];%allsamples是一個(gè)M*N矩陣，allsamples中每一行數(shù)據(jù)代表一張圖片，其中M＝200endendsamplemean=mean(allsamples);%平均圖片，1×Nfori=1:200xmean(i,:)=allsamples(i,:)-samplemean;%xmean是一個(gè)M×N矩陣，xmean每一行保存的數(shù)據(jù)是“每個(gè)圖片數(shù)據(jù)-平均圖片”end;%獲取特征值及特征向量sigma=xmean*xmean';%M*M階矩陣[vd]=eig(sigma);d1=diag(d);%按特征值大小以降序排列dsort=flipud(d1);vsort=fliplr(v);%以下選擇90%的能量dsum=sum(dsort);dsum_extract=0;p=0;while(dsum_extract/dsum<p=p+1;dsum_extract=sum(dsort(1:p));endi=1;%(訓(xùn)練階段)計(jì)算特征臉形成的坐標(biāo)系base=xmean'*vsort(:,1:p)*diag(dsort(1:p).^(-1/2));%base是N×p階矩陣，除以dsort(i)^(1/2)是對(duì)人臉圖像的標(biāo)準(zhǔn)化（使其方差為1）%詳見《基于PCA的人臉識(shí)別算法研究》p31%xmean'*vsort(:,i)是小矩陣的特征向量向大矩陣特征向量轉(zhuǎn)換的過程%while(i<=p&&dsort(i)>0)%base(:,i)=dsort(i)^(-1/2)*xmean'*vsort(:,i);%base是N×p階矩陣，除以dsort(i)^(1/2)是對(duì)人臉圖像的標(biāo)準(zhǔn)化（使其方差為1）%詳見《基于PCA的人臉識(shí)別算法研究》p31%i=i+1;%xmean'*vsort(:,i)是小矩陣的特征向量向大矩陣特征向量轉(zhuǎn)換的過程%end%以下兩行addbygongxun將訓(xùn)練樣本對(duì)坐標(biāo)系上進(jìn)行投影,得到一個(gè)M*p階矩陣allcoorallcoor=allsamples*base;%allcoor里面是每張訓(xùn)練人臉圖片在M*p子空間中的一個(gè)點(diǎn)，即在子空間中的組合系數(shù)，accu=0;%下面的人臉識(shí)別過程中就是利用這些組合系數(shù)來進(jìn)行識(shí)別%測(cè)試過程fori=1:40forj=6:10%讀入40x5副測(cè)試圖像a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.jpg'));b=a(1:10304);b=double(b);tcoor=b*base;%計(jì)算坐標(biāo)，是1×p階矩陣fork=1:200mdist(k)=norm(tcoor-allcoor(k,:));end;%三階近鄰[dist,index2]=sort(mdist);class1=floor((index2(1)-1)/5)+1;class2=floor((index2(2)-1)/5)+1;class3=floor((index2(3)-1)/5)+1;ifclass1~=class2&&class2~=class3class=class1;elseifclass1==class2class=class1;elseifclass2==class3class=class2;end;ifclass==iaccu=accu+1;end;end;end;accuracy=accu/200%輸出識(shí)別率特征人臉%function[]=eigface()%calcxmean,sigmaanditseigendecompositionallsamples=[];%所有訓(xùn)練圖像fori=1:40forj=1:5a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.jpg'));%imshow(a);b=a(1:112*92);%b是行矢量1×N，其中N＝10304，提取順序是先列后行，即從上到下，從左到右b=double(b);allsamples=[allsamples;b];%allsamples是一個(gè)M*N矩陣，allsamples中每一行數(shù)據(jù)代表一張圖片，其中M＝200endendsamplemean=mean(allsamples);%平均圖片，1×Nfori=1:200xmean(i,:)=allsamples(i,:)-samplemean;%xmean是一個(gè)M×N矩陣，xmean每一行保存的數(shù)據(jù)是“每個(gè)圖片數(shù)據(jù)-平均圖片”end;%獲取特征值及特征向量sigma=xmean*xmean';%M*M階矩陣[vd]=eig(sigma);d1=diag(d);%按特征值大小以降序排列dsort=flipud(d1);vsort=fliplr(v);%以下選擇90%的能量dsum=sum(dsort);dsum_extract=0;p=0;while(dsum_extract/dsum<p=p+1;dsum_extract=sum(dsort(1:p));endp=199;%(訓(xùn)練階段)計(jì)算特征臉形成的坐標(biāo)系%while(i<=p&&dsort(i)>0)%base(:,i)=dsort(i)^(-1/2)*xmean'*vsort(:,i);%base是N×p階矩陣，除以dsort(i)^(1/2)是對(duì)人臉圖像的標(biāo)準(zhǔn)化，詳見《基于PCA的人臉識(shí)別算法研究》p31%i=i+1;%xmean'*vsort(:,i)是小矩陣的特征向量向大矩陣特征向量轉(zhuǎn)換的過程%endbase=xmean'*vsort(:,1:p)*diag(dsort(1:p).^(-1/2));%生成特征臉for(k=1:p),temp=reshape(base(:,k),112,92);newpath=['d:\test\'int2str(k)'.jpg'];imwrite(mat2gray(temp),newpath);endavg=reshape(samplemean,112,92);imwrite(mat2gray(avg),'d:\test\');%將模型保存save('e:\ORL\','base','samplemean');人臉重建%function[]=reconstruct()loade:\ORL\;%計(jì)算新圖片在特征子空間中的系數(shù)img='D:\test2\'a=imread(img);b=a(1:112*92);%b是行矢量1×N，其中N＝10304，提取順序是先列后行，即從上到下，從左到右b=double(b);b=b-samplemean;c=b*base;%c是圖片a在子空間中的系數(shù),是1*p行矢量%根據(jù)特征系數(shù)及特征臉重建圖%前15個(gè)t=15;temp=base(:,1:t)*c(1:t)';temp=temp+samplemean';imwrite(mat2gray(reshape(temp,112,92)),'d:\test2\');%前50個(gè)t=50;temp=base(:,1:t)*c(1:t)';temp=temp+samplemean';imwrite(mat2gray(reshape(temp,112,92)),'d:\test2\');%前100個(gè)t=100;temp=base(:,1:t)*c(1:t)';temp=temp+samplemean';imwrite(mat2gray(reshape(temp,112,92)),'d:\test2\');%前150個(gè)t=150;temp=base(:,1:t)*c(1:t)'