untitled3.m

基于PCA的人脸识别源代码

% FaceRec.m  %CQUPT   

% PCA  识别率88%  

% calc xmean,sigma and its eigen decomposition

allsamples=[];                                           %所有训练图片

for i=1:40

       for j=1:5

       a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.pgm'));

      b=a(1:112*92);                                 %b是行矢量1*N，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

end

 

samplemean=mean(allsamples);                         %平均图片，1*N

for    i=1:200 xmean(i,:)=allsamples(i,:)-samplemean; %allsamples是一个M*N矩阵，allsamples中每一行保存

                                                                               %的数据是“每个图片数据—平均图片”

end;

%获取特征植及特征向量

sigma=xmean*xmean';                                     % M* M矩阵

[v d]=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));

       end

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))是对人脸图象的标准化（是其方差为1）

                  % xmean' * vsort(:,1:p)是小矩阵的特征向量向大矩阵特征向量转换的过程

                 %以下两行将训练样本对坐标系上进行投影，得到一个M*p子空间中的一个点，

                 %即在子空间中的组合系数

allcoor=allsamples*base;

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

for i=1:40

       for j=6:10                             %读入40 x 5 副测试图像

       a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.pgm'));

       b=a(1:10304);

       b=double(b);

       tcoor=b*base;                     %计算坐标，是1*p阶矩阵

       for k=1:200

              mdist(k)=norm(tcoor-allcoor(k,:));

       end;

 

  %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; 

        if class1~=class2 && class2~=class3 

            class=class1; 

        elseif class1==class2 

            class=class1; 

        elseif class2==class3 

            class=class2; 

        end; 

        if class==i 

            accu=accu+1; 

        end; 

    end; 

end; 

accuracy=accu/200                  % 输出识别率