【人脸识别】基于PCA结合SVM和adaboost实现人脸识别附GUI界面

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

人脸识别技术是计算机视觉与模式识别领域非常活跃的研究课题，在身份验证、人机界面、可视通信、公安档案管理、基于内容的图像检索等很多方面都有着广泛的应用。然而，到目前为止，由于人脸识别问题自身的复杂性，使得虽然有众多科学研究人员潜心研究多年，也做出了许多的成果，但离彻底解决并达到实用，仍旧有很多关键性的问题需要解决。本文将人脸识别的经典算法PCA(PrinciPle ComPonent Analysis，主成分分析)与Adaboost算法相结合，改进了PCA人脸识别算法，识别率有明显提高。本文的主要工作包括： (1)详细介绍了PCA人脸识别的方法，对Adaboost算法做了理论分析，证明了将二者结合进行人脸识别的可行性； (2)在实现新方法的实验中发现，结合ORL人脸库，PCA+Adaboost方法的识别率明显高于PCA方法和Fisherface方法的识别率； (3)在实现新方法的实验中发现，结合ORL和Yaleb人脸库，PCA+Adaboost方法的识别率显著优于PCA方法的识别率。

⛄ 部分代码

function class = multiAdaboostClassify(TestFace, multiAdaboostStruct)% 采用1对1投票策略将 SVM 推广至多类问题的分类过程% 输入:--TestFace:测试样本集。m*n 的2维矩阵，每行一个测试样本%     --multiAdaboostStruct:多类Adaboost的训练结果，由函数 multiAdaboostTrain 返回，默认是从Mat/multiAdaboostTrain.mat文件中读取%% 输出:--class: m*1 列向量，对应 TestFace 的类标签​​% 读入训练结果if nargin < 2    t = dir('Mat/multiAdaboostTrain.mat');    if length(t) == 0        error('没有找到训练结果文件，请在分类以前首先进行训练！');    end    load('Mat/multiAdaboostTrain.mat');end​nClass = multiAdaboostStruct.nClass; % 读入类别数AdaboostStruct = multiAdaboostStruct.AdaboostStruct; % 读入两两类之间的信息​​​​%%%%%%%%%%%%%%%%%%%%%%%% 投票策略解决多类问题 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%m = size(TestFace, 1);Voting = zeros(m, nClass); % m个测试样本，每个样本nPerson 个类别的投票箱​for iIndex = 1:nClass-1    for jIndex = iIndex+1:nClass        classes=ADABOOST_te(AdaboostStruct{iIndex}{jIndex},@threshold_te,TestFace);        % 投票        Voting(:, iIndex) = Voting(:, iIndex) + (classes == 2);        Voting(:, jIndex) = Voting(:, jIndex) + (classes == 1);                    end % for jClassend % for iClass​​​% final decision by voting result[vecMaxVal, class] = max( Voting, [], 2 );%display(sprintf('TestFace对应的类别是:%d',class));

⛄ 运行结果

⛄ 参考文献

[1] 李超, 刘铁根, 刘宏利,等. 融合SVM和AdaBoost的近红外人脸识别方法[J]. 激光与红外, 2012, 42(2):5.

[2] 张旭东, 徐和根. 基于PCA和AdaBoost的改进人脸识别算法研究[J]. 中国电子商情：通信市场, 2013(3):8.

[3] 王宇. 基于PCA+ADABOOST方法的人脸识别技术[D]. 中山大学.

[4] 王鸿雁, 孟祥印, 赵阳,等. 基于Adaboost和PCA的嵌入式人脸识别方法[J]. 传感器与微系统, 2017, 36(6):4.

[5] LI Sheng-wen. 基于PCA+AdaBoost算法的人脸识别技术[J]. 计算机工程与应用, 2010(004):046.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料