基于PCA的人脸识别_Matlab实现（个人研读之后的一些总结）

以下是我在查阅相关文献之后的一些个人的总结，望大神们指正。

基于PCA的人脸识别

PCA简介

这是百度百科的解析：
“对于一个训练集，100个对象模板，特征是10维，那么它可以建立一个100*10的矩阵，作为样本。求这个样本的协方差矩阵，得到一个10*10的协方差矩阵，然后求出这个协方差矩阵的特征值和特征向量，应该有10个特征值和特征向量，我们根据特征值的大小，取前四个特征值所对应的特征向量，构成一个10*4的矩阵，这个矩阵就是我们要求的特征矩阵，100*10的样本矩阵乘以这个10*4的特征矩阵，就得到了一个100*4的新的降维之后的样本矩阵，每个特征的维数下降了。

人脸识别实现的主要步骤

人脸识别主要分为了两个主要的部分，一个是人脸训练，另一个重要的部分是人脸测试。（为了提高识别的准确率，可以首先对图片进行一些预处理，比如是图片的平滑，锐化，小波过滤等等，降低背景，还有图片角度对识别结果的影响）

人脸训练部分：

1. 读取训练数据，将图片存到矩阵中。
2. 利用PCA对图片矩阵进行降维和特征提取（对于特征提取和降维，还可以使用SVD奇异值分解的方法，但是在本文中主要使用的是PCA方法）
3. 训练特征数据规范化

4. SVM样本训练

   对于人脸识别的部分（其实和人脸训练部分类似）：

   1.读取测试数据。

5. 测试数据降维
6. 测试特征数据规范化
7. 样本分类

附上Matlab GUI代码：

GUI界面包括了三个按钮（faceGui.m）

1. 测试准确率，就是人脸训练，将样本集中的前5张作为训练的样本，将样本中后5张作为测试样本，测试人脸识别的准确率。
2. 选择图片，选择图片是选择一张图片作为人脸识别使用
3. 图像匹配，就是人脸识别

global h_axes1;
global h_axes2;
global edit2;
h_f=figure('name','人脸识别系统','position',[300,200,600,400]);
%clf reset;%clf 清除当前的图像的所有自图像，Reset重新设置图像的目标属性为默认值
set(h_f,'defaultuicontrolfontsize',12);
set(h_f,'defaultuicontrolfontname','宋体');

h_axes1=axes('parent',h_f,'position',[0.2,0.28,0.25,0.56],'Unit','normalized','visible','on');
h_axes2=axes('parent',h_f,'position',[0.55,0.28,0.25,0.56],'Unit','normalized','visible','on');

figcolor=get(h_f,'color');
edit2=uicontrol(h_f,'style','text','position',[150,330,300,40],...
    'backgroundcolor',figcolor);%动态变化提示
button_open=uicontrol(h_f,'style','push','string','选择照片'...
,'position',[250 40 100 50],'callback','GUIopen');
button_recg=uicontrol(h_f,'style','push','string','测试准确率',...
    'position',[100 40 100 50],'callback','face');
button_match=uicontrol(h_f,'style','push','string','图像匹配',...
    'position'<