常见人脸识别数据库（AR、ORL、Yale、YaleB、FERET、PIE）

function DataLabel_random(database,group) % 生成训练序列标签trainIdx,测试序列标签testIdx,冒充者训练集标签Imposter_train,冒充者测试集标签Imposter_test. % 要求：训练集和测试集中人脸的个数相同。冒充者的训练集和测试集中的人脸个数也相同 % Input: % dataBase -----选择数据库用于实验，参数选择为'ORL','Yale','YaleB','PIE' or 'AR'; % group -----生成的标签组数，默认为50组 % Example: % label('ORL',5); % 2013/9/3 星期 2 ym if (~exist('group','var')) group = 50; end switch lower(database) case 'orl' % ORL ：随机选择20类随机选择选择5个人脸训练，5个测试，库中每类剩余0张人脸 % 再剩余的类的人脸图像中随机选择100个作为冒充者的训练集 % 再从剩余的图像中选择100个作为冒充者的测试集 Nump = 40; Nots = 10; filename='ORL\'; Train_number = 5; % ORL选择5个训练 if (Train_number >= Nots) error('训练样本个数应小于每类样本总个数！'); end % 什么意思 ？ a='mkdir '; s=[a database '\' num2str(Train_number) 'Train']; system(s); % 随机选择ClassNo = 20个类 ClassNo = 16; Q = rand(1,Nump); [~, P] = sort(Q); Gallery_Class = P(1:ClassNo); Imposter_Class = P(ClassNo+1:end); % 随机选择人脸构造训练集和测试集，冒充者的训练集和测试集 for k=1:group % group个(.mat)文件 % Label1：库中训练集临时索引; Label2: 库中测试集临时索引 % Label3：冒充者的训练集临时索引；Label4：冒充者的测试集临时索引 Label1=[];Label2=[];Label3=[];Label4=[]; % 库中的训练和测试 for i=1:length(Gallery_Class) r=rand(1,Nots); [~,p]=sort(r); % Gallery_Class中随机抽取 Label1 = [Label1 p(1:Train_number)+(Gallery_Class(i)-1) * Nots]; % 对应的每个元素都加 Label2 = [Label2 p(Train_number+1:Nots)+(Gallery_Class(i)-1) * Nots]; end % 冒充的训练和测试,在剩余的类中随机的选择100图片作为冒充者的训练集,100个作为冒充者的测试集 Imposter_Data =[]; for i=1:length(Imposter_Class) Simple_class = (Imposter_Class(i) - 1)*Nots+1 : Imposter_Class(i)*Nots; % 一类人脸的索引 Imposter_Data = [Imposter_Data Simple_class]; end Im_r=rand(1,200); [~,Im_p]=sort(Im_r); Label3 = Imposter_Data(Im_p(1:100)); Label4 = Imposter_Data(Im_p(101:200)); % 最终的标签 trainIdx = Label1'; testIdx = Label2'; Imposter_train = Label3'; Imposter_test = Label4'; save(strcat(filename,num2str(Train_number),'Train\',num2str(k),'.mat'),'trainIdx','testIdx','Imposter_train','Imposter_test'); % ORL\5Train\1.mat ,里面包含trainIdx,testIdx end case 'yale' % Yale：随机选择7类随机选择选择5个人脸训练，5个测试,库中每类剩余一张人脸 % 再剩余的类的人脸图像中随机选择40个作为冒充者的训练集 % 再从剩余的图像中选择40个作为冒充者的测试集 Nump=15;Nots=11;filename='Yale\'; Train_number = 5; % Yale选择5个训练 if (Train_number >= Nots) error('训练样本个数应小于每类样本总个数！'); end % 什么意思 ？ a='mkdir '; s=[a database '\' num2str(Train_number) 'Train']; system(s); % 随机选择7个类作为库,其余的作为冒充者 ClassNo = 6; Q = rand(1,Nump); [~, P] = sort(Q); Gallery_Class = P(1:ClassNo); Imposter_Class = P(ClassNo + 1:end); % 随机选择人脸构造训练集和测试集，冒充者的训练集和测试集 for k=1:group % group个(.mat)文件 % Label1：库中训练集临时索引; Label2: 库中测试集临时索引 % Label3：冒充者的训练集临时索引；Label4：冒充者的测试集临时索引 Label1=[];Label2=[];Label3=[];Label4=[]; % 库中的训练和测试 for i=1:length(Gallery_Class) r=rand(1,Nots); [~,p]=sort(r); % Gallery_Class中随机抽取 Label1 = [Label1 p(1:Train_number)+(Gallery_Class(i)-1) * Nots]; % 对应的每个元素都加 Label2 = [Label2 p(Train_number+1:Nots-1)+(Gallery_Class(i)-1) * Nots]; end % 冒充的训练和测试,在剩余的类中随机的选择40图片作为冒充者的训练集,40个作为冒充者的测试集 Imposter_Data =[]; for i=1:length(Imposter_Class) Simple_class = (Imposter_Class(i) - 1)*Nots+1 : Imposter_Class(i)*Nots; % 一类人脸的索引 Imposter_Data = [Imposter_Data Simple_class]; end Im_r=rand(1,length(Imposter_Class) * Nots); [~,Im_p]=sort(Im_r); Label3 = Imposter_Data(Im_p(1:40)); Label4 = Imposter_Data(Im_p(41:80)); % 最终的标签 trainIdx = Label1'; testIdx = Label2'; Imposter_train = Label3'; Imposter_test = Label4'; save(strcat(filename,num2str(Train_number),'Train\',num2str(k),'.mat'),'trainIdx','testIdx','Imposter_train','Imposter_test'); end case 'yaleb' % YaleB：随机选择10类随机选择选择30个人脸训练，30个测试，库中每类剩余4张人脸 % 再剩余的类的人脸图像中随机选择600个作为冒充者的训练集 % 再从剩余的图像中选择600个作为冒充者的测试集 Nump = 38;Nots=64;filename='YaleB\'; Train_number = 30; % YaleB每类选择30个人脸训练 if (Train_number >= Nots) error('训练样本个数应小于每类样本总个数！'); end % 什么意思 ？ a='mkdir '; s=[a database '\' num2str(Train_number) 'Train']; system(s); % 随机选择ClassNo = 10个类作为库,其余28类的作为冒充者 ClassNo = 18; Q = rand(1,Nump); [~, P] = sort(Q); Gallery_Class = P(1:ClassNo); Imposter_Class = P(ClassNo+1:end); % 随机选择人脸构造训练集和测试集，冒充者的训练集和测试集 for k=1:group % group个(.mat)文件 % Label1：库中训练集临时索引; Label2: 库中测试集临时索引 % Label3：冒充者的训练集临时索引；Label4：冒充者的测试集临时索引 Label1=[];Label2=[];Label3=[];Label4=[]; % 库中的训练和测试 for i=1:length(Gallery_Class) r=rand(1,Nots); [~,p]=sort(r); % Gallery_Class中随机抽取 Label1 = [Label1 p(1:Train_number)+(Gallery_Class(i)-1) * Nots]; % 对应的每个元素都加 Label2 = [Label2 p(Train_number+1:Nots-4)+(Gallery_Class(i)-1) * Nots]; end % 冒充的训练和测试,在剩余的类中随机的选择300图片作为冒充者的训练集,300个作为冒充者的测试集 Imposter_Data =[]; for i=1:length(Imposter_Class) Simple_class = (Imposter_Class(i) - 1)*Nots+1 : Imposter_Class(i)*Nots; % 一类人脸的索引 Imposter_Data = [Imposter_Data Simple_class]; end Im_r=rand(1,length(Imposter_Class) * Nots); [~,Im_p]=sort(Im_r); Label3 = Imposter_Data(Im_p(1:600)); Label4 = Imposter_Data(Im_p(601:1200)); % 最终的标签 trainIdx = Label1'; testIdx = Label2'; Imposter_train = Label3'; Imposter_test = Label4'; save(strcat(filename,num2str(Train_number),'Train\',num2str(k),'.mat'),'trainIdx','testIdx','Imposter_train','Imposter_test'); end case 'pie' % PIE：随机选择20类随机选择选择50个人脸训练，50个测试，库中每类剩余70张人脸 % 再剩余的类的人脸图像中随机选择1500个作为冒充者的训练集 % 再从剩余�