人脸检测识别（包含人脸库，matlab）.zip源码Labview个人项目资料程序资源下载

clear all clc close all % Yale人脸数据库，15个人，每人11幅图像，样本数量15*11。 people_count=15;%类别数 face_count_per_people=11;%每类样本数 %每类训练样本比例,70%时识别正确率为96.67%,设置为75%识别正确率可达100% training_ratio=.70; % 能量，即较大特征值之和占所有特征值之和的比例。 energy=0.9; % 每类训练样本数 training_count=floor(face_count_per_people*training_ratio); %训练样本数据，每行是一个样本 training_samples=[]; % 训练 for i=1:people_count for j=1:training_count img=im2double(imread([sprintf('%03d',i) '\' sprintf('%02d',j) '.jpg'])); img=imresize(img,[10 10]); % 图像缩放至至10*10 %若是彩色图像，则灰度化 if ndims(img)==3 img=rgb2gray(img); end training_samples=[training_samples;img(:)']; end end %求取训练样本均值，每行一个样本，每列一类特征 mu=mean(training_samples); %调用princomp函数 %coeff是主成分系数矩阵，即变换（投影）矩阵 %scores是训练样本投影后的矩阵 %latent是协方差矩阵的特征值，降序排列 %tsquare, which contains Hotelling's T2 statistic for each data point. [coeff,scores,latent,tsquare]=princomp(training_samples); %寻找占了energy比例的下标，即主成分就取到这么多维 idx=find(cumsum(latent)./sum(latent)>energy,1); coeff=coeff(:,1:idx); %取出的主成分系数矩阵 scores=scores(:,1:idx);%训练样本投影矩阵 % 测试 acc_count=0; %计数器 for i=1:people_count for j=training_count+1:face_count_per_people img=im2double(imread([sprintf('%03d',i) '\' sprintf('%02d',j) '.jpg'])); img=imresize(img,[10 10]); if ndims(img)==3 img=rgb2gray(img); end %测试样本减去训练样本均值，然后投影，得到投影后的样本表示 score=(img(:)'-mu)*coeff; %计算测试样本和每个训练样本之间的欧式距离（这儿只计算平方值即可） %然后利用最近邻分类器对测试样本进行分类 [~,idx]=min(sum((scores-repmat(score,size(scores,1),1)).^2,2)); if ceil(idx/training_count)==i acc_count=acc_count+1; end end end %测试样本总数 test_count=(people_count*(face_count_per_people-training_count)); %计算识别率 acc_ratio=acc_count/test_count; %输出显示 fprintf('测试样本数量:%d,正确识别率:%2.2f%%\n',test_count,acc_ratio*100)