人脸识别PCA算法matlab实现及详细步骤讲解文档格式.docx
- 文档编号:19490424
- 上传时间:2023-01-06
- 格式:DOCX
- 页数:13
- 大小:694.75KB
人脸识别PCA算法matlab实现及详细步骤讲解文档格式.docx
《人脸识别PCA算法matlab实现及详细步骤讲解文档格式.docx》由会员分享,可在线阅读,更多相关《人脸识别PCA算法matlab实现及详细步骤讲解文档格式.docx(13页珍藏版)》请在冰豆网上搜索。
.jpg'
));
%imshow(a);
b=a(1:
112*92);
%b是行矢量1×
N,其中N=10304,提取顺序是先列后行,即从上
到下,从左到右
b=double(b);
allsamples=[allsamples;
b];
%allsamples是一个M*N矩阵,allsamples中每一行数
据代表一张图片,其中M=200
end
samplemean=mean(allsamples);
%平均图片,1×
N
200xmean(i,:
)=allsamples(i,:
)-samplemean;
%xmean是一个M×
N矩阵,xmean
每一行保存的数据是“每个图片数据-平均图片”
end;
%获取特征值及特征向量
sigma=xmean*xmean'
;
%M*M阶矩阵
[vd]=eig(sigma);
d1=diag(d);
%按特征值大小以降序排列
dsort=flipud(d1);
vsort=fliplr(v);
%以下选择90%的能量
dsum=sum(dsort);
dsum_extract=0;
p=0;
while(dsum_extract/dsum<
0.9)
p=p+1;
dsum_extract=sum(dsort(1:
p));
i=1;
%(训练阶段)计算特征脸形成的坐标系
base=xmean'
*vsort(:
1:
p)*diag(dsort(1:
p).^(-1/2));
%base是N×
p阶矩阵,除以dsort(i)^(1/2)是对人脸图像的标准化(使其方差为1)
%详见《基于PCA的人脸识别算法研究》p31
%xmean'
i)是小矩阵的特征向量向大矩阵特征向量转换的过程
%while(i<
=p&
&
dsort(i)>
0)
%base(:
i)=dsort(i)^(-1/2)*xmean'
i);
%base是N×
p阶矩阵,除以dsort(i)^(1/2)
是对人脸图像的标准化(使其方差为1)
%i=i+1;
%xmean'
i)是小矩阵的特征向量向大矩阵特
征向量转换的过程
%end
%以下两行addbygongxun将训练样本对坐标系上进行投影,得到一个M*p阶矩阵allcoor
allcoor=allsamples*base;
%allcoor里面是每张训练人脸图片在M*p子空间中的一个点,
即在子空间中的组合系数,
accu=0;
%下面的人脸识别过程中就是利用这些组合系数来进行识别
%测试过程
forj=6:
10%读入40x5副测试图像
10304);
tcoor=b*base;
%计算坐标,是1×
p阶矩阵
fork=1:
200
mdist(k)=norm(tcoor-allcoor(k,:
%三阶近邻
[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~=class3
class=class1;
elseifclass1==class2
elseifclass2==class3
class=class2;
ifclass==i
accu=accu+1;
accuracy=accu/200%输出识别率
特征人脸
function[]=eigface()
p=199;
p阶矩阵,除以
dsort(i)^(1/2)是对人脸图像的标准化,详见《基于PCA的人脸识别算法研究》p31
i)是小矩阵的特征向量向大矩
阵特征向量转换的过程
%生成特征脸
for(k=1:
p),
temp=reshape(base(:
k),112,92);
newpath=['
d:
\test\'
int2str(k)'
];
imwrite(mat2gray(temp),newpath);
avg=reshape(samplemean,112,92);
imwrite(mat2gray(avg),'
\test\average.jpg'
);
%将模型保存
save('
\ORL\model.mat'
'
base'
samplemean'
人脸重建
function[]=reconstruct()
loade:
\ORL\model.mat;
%计算新图片在特征子空间中的系数
img='
D:
\test2\10.jpg'
a=imread(img);
N,其中N=10304,提取顺序是先列后行,即从上到下,
从左到右
b=b-samplemean;
c=b*base;
%c是图片a在子空间中的系数,是1*p行矢量
%根据特征系数及特征脸重建图
%前15个
t=15;
temp=base(:
t)*c(1:
t)'
temp=temp+samplemean'
imwrite(mat2gray(reshape(temp,112,92)),'
\test2\t1.jpg'
%前50个
t=50;
\test2\t2.jpg'
%前100个
t=100;
\test2\t3.jpg'
%前150个
t=150;
\test2\t4.jpg'
%前199个
t=199;
\test2\t5.jpg'
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 识别 PCA 算法 matlab 实现 详细 步骤 讲解