【人脸识别】用于人脸识别的二维PCA（Matlab识别）

  💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

二维PCA（2D-PCA）是一种基于PCA的人脸识别方法，它通过利用图像的二维结构信息来提高人脸识别的性能。 传统的PCA方法是基于将图像展开成一维向量进行处理的，但它忽略了图像的空间结构信息。而二维PCA则考虑了图像的二维结构，可以更有效地提取图像中的特征。维PCA能够更好地捕获图像中的空间结构信息，提高了特征的区分度和稳定性。 与传统的一维PCA相比，二维PCA提取的特征更具有判别性，有助于提高人脸识别的准确性。通过分块处理，二维PCA可以降低特征提取的计算复杂度，提高了算法的效率。综上所述，二维PCA是一种利用图像的二维结构信息进行人脸识别的方法，它在提高特征的判别性和稳定性方面具有优势，是人脸识别领域的重要研究方向之一。

📚2 运行结果

主函数部分代码：

clc
clear all;
load ORL_FaceDataSet;  % Loading face dataset. ORL consists of 40 classes, each comprising 10 samples
A=double(ORL_FaceDataSet);

%  Specifying the numbers of training and testing samples, and also the
%  number of eigenvectors (DIM) 
%-----------------------------------------------------------------------
Num_Class=40;
No_SampleClass=10;
No_TrainSamples=5;
No_TestSamples=5;
DIM=6;    % DIM can be changed form 1 to n

% Separating the dataset into training and testing sets, and then labeling.    
%-------------------------------------------------------------------------------------------
[TrainData, TestData]=Train_Test(A,No_SampleClass,No_TrainSamples,No_TestSamples);
[m,n,TotalTrainSamples] = size(TrainData);
[m1,n1,TotalTestSamples] = size(TestData);
[TrainLabel,TestLabel]=LebelSamples(Num_Class, No_TrainSamples, No_TestSamples);

% Computing image covariance (scatter) matrix
%-----------------------------------------------------------------------------
TrainMean = mean(TrainData,3); % Total mean of the training set
Gt=zeros([ n n]);
for i=1:TotalTrainSamples
    Temp = TrainData(:,:,i)- TrainMean;
    Gt = Gt + Temp'*Temp;
end
Gt=Gt/TotalTrainSamples; 

% Applying eigen-decompostion to Gt and returning transformation matrix
% 
%---------------------------------------------------------------------------------
[EigVect1,EigVal1]=eig_decomp(Gt);
EigVect=EigVect1(:,1:DIM); 

% Deriving training feature matrices
%----------------------------------------------------------------------------------

for i=1:TotalTrainSamples
    Ytrain(:,:,i)=TrainData(:,:,i)*EigVect;
end

% Testing and Classification
%----------------------------------------------------
TestResult = zeros(TotalTestSamples,1);


for i=1:TotalTestSamples
    
    Distance = zeros(TotalTrainSamples,1);
    
    Ytest = TestData(:,:,i)* EigVect; % Deriving test feature matrix
   
    for j=1:TotalTrainSamples

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]孙吏功,王辰灏,冯嘉琪,等.基于DSC与超球面损失的遮挡人脸识别研究[J/OL].计算机仿真:1-7[2024-05-22].http://kns.cnki.net/kcms/detail/11.3724.tp.20240506.1604.010.html.

[2]李德龙,成钰,柴瑞瑞,等.地铁涉恐安检人脸识别系统配置效力信号博弈模型——基于暴恐分子情绪和袭击资源有限视角[J/OL].系统科学与数学:1-26[2024-05-22].http://kns.cnki.net/kcms/detail/11.2019.O1.20240428.1717.026.html.

🌈4 Matlab代码实现