基于KL变换的人脸识别

1、特征人脸
function [] = eigface()
allsamples=[];
for i=1:7
a=imread( strcat( ‘C:\Users\lenvo\Desktop\图’ , ‘’ ,num2str(i), ‘.BMP’ ) );
b=a( 1:100100 );
b=double(b);
allsamples=[ allsamples; b ];
end
samplemean=mean(allsamples);
for i=1:7
xmean(i,:)=allsamples(i,:)-samplemean;
end;
sigma=xmeanxmean’; [v d]=eig(sigma);
d1=diag(d);
dsort = flipud(d1);
vsort = fliplr(v);
dsum = sum(dsort);
dsum_extract = 0;
p = 0;
while( dsum_extract/dsum < 0.9)
p = p + 1;
dsum_extract = sum(dsort(1:p));
end
p=6;
base = xmean’ * vsort(:,1:p) * diag(dsort(1:p).^(-1/2));
for ( k=1:p )
hape( base(:,k), 100,100);
newpath = [‘C:\Users\lenvo\Desktop\test’ int2str(k) ‘.jpg’];
imwrite( mat2gray(temp), newpath );
end
avg = reshape(samplemean, 100,100);
imwrite(mat2gray(avg), ‘C:\Users\lenvo\Desktop\test\average.jpg’);
save(‘C:\Users\lenvo\Desktop\test\eigface.mat’, ‘base’, ‘samplemean’);
2、识别
allsamples=[];
for i=1:7
a=imread( strcat( ‘C:\Users\lenvo\Desktop\ 图
’ , ‘’ ,num2str(i), ‘.BMP’ ) );
b=double(b);
allsamples=[ allsamples; b ];
end
samplemean=mean(allsamples);
for i=1:7
xmean(i,:)=allsamples(i,:)-samplemean;
end;
sigma=xmeanxmean’;
[v d]=eig(sigma);
d1=diag(d);
dsort = flipud(d1);
vsort = fliplr(v);
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;
base = xmean’ * vsort(:,1:p) * diag(dsort(1:p).^(-1/2));
allcoor = allsamples * base;
accu = 0;
for j=1:3
a=imread( strcat( ‘C:\Users\lenvo\Desktop\test3’ , ‘’ ,num2str(i), ‘.BMP’ ) );
b=a(1:10000);
b=double(b); tcoor= b * base;
for k=1:7
mdist(k)=norm(tcoor-allcoor(k,:));
end;
[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 class1class2
class=class1;
elseif class2class3
class=class2;
end;
if class==i
accu=accu+1;
end;
end;
accuracy =accu/7
3．重构
function [] = Reconstruct()
load C:\Users\lenvo\Desktop\test\eigface.mat;
a=imread(‘C:\Users\lenvo\Desktop\test2\10.bmp’);
b=a( 1:100100 ); b=double(b);
b=b-samplemean;
c = b * base;
t = 2;
temp = base(:,1:t) * c(1:t)’;
temp = temp + samplemean’;
imwrite(mat2gray(reshape(temp, 100,100)),C:\Users\lenvo\Desktop\1.jpg)
t = 4;
temp = base(:,1:t) * c(1:t)’;
temp = temp + samplemean’;
imwrite(mat2gray(reshape(temp, 100,100)),‘C:\Users\lenvo\Desktop\2.jpg’);
t = 6;
temp = base(:,1:t) * c(1:t)’;
temp = temp + samplemean’;
imwrite(mat2gray(reshape(temp, 100,100)),‘C:\Users\lenvo\Desktop\3.jpg’);
给出ORL人脸数据库，共有400幅人脸图像（40人，每人10幅，大小为92*112象素）

通过取不同的前N个最大特征向量，如最大的10个表示为190：200，得到如下识别率的数据：
190：200 识别率为： 0.9100
180：200 识别率为： 0.9350
170：200 识别率为： 0.9450
160：200 识别率为： 0.9500
150：200 识别率为： 0.9450
140：200 识别率为： 0.9500
130：200 识别率为： 0.9400
120：200 识别率为： 0.9500
110：200 识别率为： 0.9450
100：200 识别率为： 0.9450
50：200 识别率为： 0.9500
20：200 识别率为： 0.9600
1：200 识别率为： 0.9600
当最大特征向量达到30个以后识别率已经固定在0.9450。再增加提高已经不大。

基于KL变换的人脸识别相关推荐

基于kl变换的人脸识别_简述几种人脸识别的主要方法
人脸识别的方法很多,以下介绍一些主要的人脸识别方法.(1)几何特征的人脸识别方法几何特征可以是眼.鼻.嘴等的形状和它们之间的几何关系(如相互之间的距离).这些算法识别速度快,需要的内存小,但识别率较低 ...
基于K-L变换的人脸识别
原理介绍 K-L变换是模式识别中常用的一种特征提取方法,出发点是从一组特征中计算出一组按重要性从大到小排列的新特征,它们是原有特征的线性组合,并且相互之间是不相关的,实现数据的降维. 在人脸识别中,可 ...
KL变换生成人脸特征图
近来课程上做了一个PCA生成特征脸的小工程,刚好实验室科研做不下去了就放松下写个博客梳理下吧,由于是用了KL变换,所以撒呼呼地去找背景知识科普时翻查了些KL散度的知识点,后来发现好像和KL变换关系不大 ...
基于全局信息的人脸识别总结
一. 课题名称基于全局信息的人脸识别算法研究二. 课题的提出在当今社会中,身份确认具有十分重要的价值.随着网络技术的发展,信息安全也显示出了前所未有的重要 ...
基于稀疏表示的人脸识别 (SRC,LASRC,RASL,MRR)
FROM:http://blog.csdn.net/loadstar_kun/article/details/39453839 1. 问题背景信号的稀疏表示并不是新的东西.我们很早就一直在利用这一 ...
开发基于深度学习的人脸识别【考勤/签到】系统
开发基于深度学习的人脸识别[考勤/签到]系统人脸识别介绍平台环境需求技术点系统流程细节设计人脸检测人脸关键点定位人脸特征提取模型的训练模型的部署 MySQL数据库的使用 MFC工程 ...
【优秀课设】基于OpenCV的Python人脸识别、检测、框选（遍历目录下所有照片依次识别视频随时标注）
基于OpenCV的Python人脸识别.检测.框选 (遍历目录下所有照片依次识别视频随时标注) 移步: https://blog.csdn.net/weixin_53403301/article/d ...
基于Android系统的人脸识别签到软件
项目名称: 基于Android系统的人脸识别签到软件目录 1 项目介绍..... 1 1.1 项目背景.... 1 1.2 产品特点.... 2 1.3 可行性分析.... 2 1.3.1 ...
基于open cv 的人脸识别程序
基于open cv 的人脸识别小程序完整的程序源码已经上传到 github,但是下载后自己的电脑可能要设置一些opencv的环境,这些网上已经有文章了,自己可以去找找. 源码下载路径:https:/ ...

基于KL变换的人脸识别

基于KL变换的人脸识别相关推荐

最新文章

热门文章