PCA.zip_PCA 人脸识别_face recognition_orl_pca人脸识别_人脸库

%% %主程序，程序从此开始 clc,clear npersons=40;%选取40个人的脸 global imgrow; global imgcol; imgrow=112; imgcol=92; %% %读取训练数据 disp('读取训练数据...') [f_matrix,train_label]=ReadFace(npersons,0);%读取训练数据 nfaces=size(f_matrix,1);%样本人脸的数量 disp('.................................................') %低维空间的图像是(nperson*5)*k的矩阵，每行代表一个主成分脸，每个脸20维特征 %% %对训练集进行降维处理 disp('训练数据PCA特征提取...') mA=mean(f_matrix); k=20;%降维至20维 %按理来讲，协方差矩阵的维数是10304维，而训练集的样本数量只有200 %那么起作用的特征值对应的特征向量小于等于199个，其余的特征向量对应的特征值都为0 [train_pcaface,V]=fastPCA(f_matrix,k,mA);%主成分分析法特征提取 disp('.................................................') %% %显示主成分脸，即特征脸，低维的基 disp('显示主成分脸...') visualize(V)%显示主分量脸 ,即特征脸 disp('.................................................') %% %低维训练集归一化 disp('训练特征数据归一化...') disp('.................................................') lowvec=min(train_pcaface); upvec=max(train_pcaface); train_scaledface = scaling( train_pcaface,lowvec,upvec); %% %SVM样本训练 %本人的程序叫源程序有改动，使用的是libsvm工具箱进行SVM分类 disp('SVM样本训练...') disp('.................................................') model = svmtrain(train_label,train_scaledface,'-t 0'); %% %读取测试数据 disp('读取测试数据...') disp('.................................................') [test_facedata,test_facelabel]=ReadFace(npersons,1); %% %测试数据降维 %test_pcatestface-测试数据低维空间的表示 disp('测试数据特征降维...') disp('.................................................') m=size(test_facedata,1); for i=1:m test_facedata(i,:)=test_facedata(i,:)-mA; end test_pcatestface=test_facedata*V; %% %测试数据归一化 disp('测试特征数据归一化...') disp('.................................................') scaled_testface = scaling( test_pcatestface,lowvec,upvec); %% %利用训练集建立的模型，对测试集进行分类 disp('SVM样本分类...') disp('.................................................') [predict_label,accuracy,decision_values]=svmpredict(test_facelabel,scaled_testface,model); %% %人脸识别模块 disp('人脸识别模块') disp('.................................................') recognition(mA,V,model) ;