PCA实验人脸库-人脸识别（四）

一）：人脸数据库

AR人脸库（包含50位男性和50位女性每人26张人脸共2600张人脸图片 ）：

http://www.datatang.com/data/46195

ORL人脸库（包含40个人的每人10张人脸的共400张人脸）：

http://www.cl.cam.ac.uk/Research/DTG/attarchive:pub/data/att_faces.tar.Z

或者

http://www.cl.cam.ac.uk/Research/DTG/attarchive:pub/data/att_faces.zip

二）：PCA实验

人脸数据库有很多，这里先暂时选取了上面两种来实验。主成分分析PCA算法在前面介绍过，这里主要接上节：

主成分分析-简单人脸识别（二）

这篇里面使用的人脸单一，数据量少，识别率无法观察。这里有了数据库在重新评估下PCA算法的准确率。程序上面略有改动。

2.1）数据库的导入

对上述下载下来的数据库，由于量太大了，没法去一一改文件夹呀整理人脸照片等等，那么如何快速导入并直接使用下载下来的文件夹呢？下载后可以发现AR数据库没有子文件夹，而ORL数据库有二级子文件夹。首先把对应的文件夹复制到matlab程序所在的当前文件夹中，然后编写matlab直接读取文件夹信息：

读取AR文件夹：

function filedata = File_Read_AR()
%  用法：   filedata = File_Read_AR();
%  样本数：man：50个，每个样本还有26个子样本，每个子样本大小：165*120
%          woman：50个，每个样本还有26个子样本，每个子样本大小：165*120        
% 载入文件夹
pathname = uigetdir(cd, 'C:\Users\Administrator\Documents\MATLAB\人脸识别\PCA+SVM');
filesjpg = ls(strcat(pathname,'/*.pgm'));
files = [cellstr(filesjpg)]; % 得到文件路径
for i = 1:100     %选取前50/100个人的各26张照片（50*26）
    for j = 1:26
        Filesname = strcat(pathname,'/',files((i-1)*26+j));    
        filedata{i,j} = imread(cell2mat(Filesname));
    end
end

读取ORL文件夹：

function filedata = File_Read_ORL()
%  用法：   filedata = File_Read();
%  样本数：40个人，每个样本还有10个子样本，每个子样本大小：119*92  
% clc; clear all;
% 载入文件夹
for i = 1:40
    pathname = uigetdir(cd, 'C:\Users\Administrator\Documents\MATLAB\人脸识别\PCA+SVM');
    filesjpg = ls(strcat(pathname,'/*.pgm'));
    files = [cellstr(filesjpg)]; % 得到文件路径
    len = length(files); % 文件个数
    for j = 1:len
        Filesname = strcat(pathname,'/',files(j));    
        filedata{i,j} = imread(cell2mat(Filesname));
    end
end

这里程序运行时需要选择文件夹，AR只需要选择一次，ORL需要选择40次。

为了避免每次程序实验程序的时候去反复的选择文件夹，在一次运行后保存下来得到filedata文件。如：save face_orl.mat；

保存为.mat格式后，以后每次运行的时候只需要点一下就可以导入数据库了。

2.2）将样本分类

有了总样本数据库，现在就是把样本分为训练集于测试集了。定义一个num数表示训练集中的对于每个人，随机选其中的num张脸当成样本，其他的（all-num）当成测试集，最后在转化为PCA可以使用的格式。

function [train_face,test_face] = imgdata(filedata,num)
%%      每个人取num个样本脸
k = 2;  %k=1,选用 ORL人脸库  否则选用 AR人脸库  
if k == 1
%用法：适用于 ORL人脸库  
    [m,n] = size(filedata{1,1});  %取图片大小
    for i = 1:40   %共有40个人 
        n_rand = randperm(10);
        for j = 1:num
            train_pic{(i-1)*num+j} = filedata{i,n_rand(j)};%j
        end
        for k = 1:(10-num)
            test_pic{(i-1)*(10-num)+k} = filedata{i,n_rand(k+num)};%k+num
        end
    end
    for i = 1:40*num
        train_face(i,:) = reshape(train_pic{i},1,m*n);
    end
    for i = 1:40*(10-num)
        test_face(i,:) = reshape(test_pic{i},1,m*n);
    end
%%
else
    %用法：适用于 AR人脸库  
    [m,n] = size(filedata{1,1});  %取图片大小
    num_people = size(filedata,1); %使用了num_people个人的各26张脸
    for i = 1:num_people   %共有num_people个人 
        n_rand = randperm(26);
        for j = 1:num
            train_pic{(i-1)*num+j} = filedata{i,n_rand(j)};%
        end
        for k = 1:(26-num)
            test_pic{(i-1)*(26-num)+k} = filedata{i,n_rand(k+num)};
        end
    end
    for i = 1:num_people*num
        train_face(i,:) = reshape(train_pic{i},1,m*n);
    end
    for i = 1:num_people*(26-num)
        test_face(i,:) = reshape(test_pic{i},1,m*n);
    end
end

2.3）PCA进行降维