ORL人脸数据库matlab,orl ORL人脸数据库，用于图形图像处理，对新接触MATLAB的人来说是一个很好用而且比较简单 238万源代码下载- www.pudn.com...

最新推荐文章于 2023-02-03 21:40:38 发布
VIP文章 最新推荐文章于 2023-02-03 21:40:38 发布
阅读量908 收藏
点赞数
文章标签： ORL人脸数据库matlab

文件名称: orl891ea1e7dab975064c6bfd22796603ae.gif下载

  收藏√  [443d104427974206832dc4b12407db70.gif

 5  4  3  2  1 fb9128a58cbeaabbeb3718ed75079ccf.gif]

开发工具: matlab

文件大小: 4263 KB

上传时间: 2014-10-08

下载次数: 4

提 供 者: 刘威

详细说明：ORL人脸数据库，用于图形图像处理，对新接触MATLAB的人来说是一个很好用而且比较简单的数据库，包含40种不同的人脸-ORL face , for graphics and image processing, the new contact MATLAB who is a very good and relatively simple , contains 40 different face

文件列表(点击判断是否您需要的文件，如果是垃圾请在下面评价投诉):

orl人脸图像库\s40_10.bmp

.............\s1_4.bmp

最低0.47元/天 解锁文章
西嬿
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
orl.rar_orl face database_orl 人脸库_orl-FACE-BASE.rar_人脸_人脸库
07-15
orl人脸库，供人脸检测及识别用，国内很难找的
ORL数据集百度网盘
deana_的博客
03-15 6576
最近做人脸识别找了好久才在一个代码的角落里找到ORL的数据集，（贫穷使我不愿意花钱下载），上传到百度网盘了，分享给和我一样贫穷的朋友，祝大家早日有钱！ 链接：https://pan.baidu.com/s/178K357kYHhaJnYGyGI76Rg 提取码：o6e0 ...
PCA+SVM进行人脸识别（ORL人脸数据集分类）
Sword的博客
06-02 5969
问题描述 数据集：ORL经典人脸数据集 要求： （1）利用PCA对每张人脸图片的特征进行降维。每张图片大小是92x112，转换成特征向量的话共有10304维，代码中将其降至20维。 （2）将数据集划分成训练集和测试集，训练SVM分类器，在测试集上进行分类。 说明 原始数据集中包含40个文件夹，每个文件夹中有10张图片共400张图片。代码中将所有图片进行转换，生成一个（400，10305）大小的特征矩阵并将该矩阵保存成 feature.txt 文件，方便读取。 其中前10304维是特征，最后增加1
基于ORL人脸数据库和PCA特征降维算法的人脸识别matlab仿真
fpga/matlab/simulink算法仿真工程
02-03 1715
人脸识别系统”集成了人工智能、机器识别、机器学习、模型理论、专家系统、视频图像处理等多种专业技术，同时需结合中间值处理的理论与实现，是生物特征识别的最新应用，其核心技术的实现，展现了弱人工智能向强人工智能的转化。一共40个人，每人10张人脸图像，随机选取7张用作训练，图像分辨率为112*92.将原始图像的每一行的像素串联在一起，产生一个具有112*92个元素的列向量，每个图像被视为一个向量。然后，使所有的训练集的图像（一共40张）存储在一个单一的矩阵T中，矩阵的每一列是一个图像。
ORL人脸数据库_人脸识别_ORL_matlab
04-20
资源名：ORL人脸数据库_人脸识别_ORL_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定...
ORL人脸数据库：图片、文本、MATLAB格式
12-23
ORL人脸数据库。 40个人，每人10张照片。 图片、文本、MATLAB格式的都有。 fea32.txt/fea64.txt/ORL32.mat.fea/ORL64.mat.fea里的内容结构：每行对应一个图片的灰度矩阵。
PCA人脸识别项目，使用matlab完成，数据库来自ORL人像数据库
最新发布
04-05
PCA人脸识别项目，使用matlab完成，数据库来自ORL人像数据库 PCA人脸识别项目，使用matlab完成，数据库来自ORL人像数据库 PCA人脸识别项目，使用matlab完成，数据库来自ORL人像数据库 PCA人脸识别项目，使用...
orl人脸图像数据集
03-26
完整的orl人脸数据集，基础的图像数据集，适合新手入门，很好用，用于分类任务，已经被下载过很多次了，有问题可以私信
orl_faces_ORL数据集_人脸识别_人传人人脸_orl数据集介绍_图像数据集_
10-02
orl人脸数据集，共400张。包括40个人，每人10张人脸图像。
ORL人脸数据库.rar
12-06
ORL人脸数据集共包含40个不同人的400张图像，是在1992年4月至1994年4月期间由英国剑桥的Olivetti研究实验室创建。 此数据集下包含40个目录，每个目录下有10张图像，每个目录表示一个不同的人。所有的图像是以PGM格式存储，灰度图，图像大小宽度为92，高度为112。对每一个目录下的图像，这些图像是在不同的时间、不同的光照、不同的面部表情(睁眼/闭眼，微笑/不微笑)和面部细节(戴眼镜/不戴眼镜)环境下采集的。所有的图像是在较暗的均匀背景下拍摄的，拍摄的是正脸(有些带有略微的侧偏)。
特征脸数据库，ORL人脸库.zip
11-30
好用的opencv ORL人脸库 ORL人脸库（英国）： 剑桥大学，40人，每人10张照片，包括表情变化，微小姿态变化，20%以内的尺度变化。 其他人脸数据库也有上传 比如： Yale人脸库（美国）CMU-PIE人脸数据库Yale 人脸数据库B MIT 人脸数据库 ORL人脸库（英国） INRIA数据库 UMIST人脸库（英国）KinFace人脸数据库 AR人脸库（美国）Bern人脸库
PCA人脸识别+ORL人脸库.rar
06-05
人脸识别图像库资源,几十万张图片资源，种类丰富。
MATLAB PCA人脸识别GUI(ORL+Yale人脸库)
08-26
该系统为基于MATLAB平台的PCA的人脸识别系统，可识别ORL和YALE人脸库，方法实现统一，包括GUI界面。另外可二次开发成摄像头的实时人脸系统，识别出库外人脸，可做成门禁系统，考勤系统，打卡签到系统。实现登记出勤...
ORL、Yale等人脸数据库百度云链接
SZU_Kwong的博客
05-31 6052
近段时间做人脸识别的实验，收集了几个人脸库，如图 这里放出百度云的链接，需要的自取 链接：https://pan.baidu.com/s/11_7bFdo_hhc83WQXmWtxvw 提取码：5ohd
基于pca算法orl人脸数据库的matlab代码
06-06
PCA算法是一种常见的数据分析和降维方法，被广泛应用于图像和人脸识别领域。ORL人脸数据库是一个常用的人脸识别测试集，其中包含400张人脸图像，每张图像大小为112x92像素。下面我将介绍基于PCA算法和ORL人脸数据库的Matlab代码实现。 首先，我们需要导入ORL人脸数据库。可以使用Matlab内置的imread函数读取图像文件。然后将图像数据转换为向量，并将所有向量堆叠成一个矩阵。 ``` ORL_path = 'path/to/ORL/database'; % ORL数据库路径 img_num = 400; % 图像数量 width = 92; % 图像宽度 height = 112; % 图像高度 X = zeros(img_num, width*height); % 初始化图像矩阵 % 读取所有图像文件，并将图像数据转换为向量 for i=1:img_num img_file = fullfile(ORL_path, sprintf('s%d/%d.pgm', floor((i-1)/10)+1, mod(i-1, 10)+1)); img = double(imread(img_file)); X(i,:) = img(:)'; end ``` 接下来，我们将对图像数据进行降维处理。首先需要求出数据矩阵的均值向量，然后计算数据的协方差矩阵，并对其进行特征值分解。特征向量即为我们所需的主成分。 ``` % 求出数据矩阵的均值向量 mean_vec = mean(X); % 将数据矩阵的每一行都减去均值向量 X = X - repmat(mean_vec, img_num, 1); % 计算协方差矩阵 cov_mat = X*X'/(img_num-1); % 对协方差矩阵进行特征值分解 [pcs, eigvals] = eig(cov_mat); ``` 我们可以画出所有特征向量的图像，以便观察主成分的质量及所占比例。 ``` % 显示前20个特征向量对应的图像 figure; for i=1:20 subplot(4,5,i); imshow(reshape(pcs(:,end-i+1)', height, width), []); title(sprintf('PC%d', i)); end ``` 接着，我们可以根据所需的维数选择主成分，并计算出每幅人脸图像在这些主成分上的投影值，即为特征向量。 ``` % 选择前k个特征向量，即前k个主成分 k = 50; % 计算每幅人脸图像在k个主成分上的投影值，即为特征向量 features = X'*pcs(:,end-k+1:end); ``` 最后，我们可以对新的人脸图像进行识别。对于给定的未知人脸图像，将其转换为特征向量，并计算其与数据库中所有人脸图像的欧氏距离。距离最小的图像即为最接近的匹配数据。 ``` % 加载未知人脸图像 unknown_img = double(imread('path/to/unknown/image.pgm')); unknown_vec = unknown_img(:)'; % 将未知人脸图像减去均值向量并投影到k个主成分上，得到特征向量 unknown_feat = (unknown_vec-mean_vec)*pcs(:,end-k+1:end); % 求出每个数据库图像与未知人脸图像的距离 distances = sum((features-repmat(unknown_feat, img_num, 1)).^2, 2); % 找到距离最小的图像，即为最接近的匹配数据 [min_dist, match_idx] = min(distances); % 显示匹配结果 figure; subplot(1,2,1); imshow(unknown_img,[]); title('Unknown image'); subplot(1,2,2); imshow(reshape(X(match_idx,:), height, width), []); title(sprintf('Matched image (dist=%.2f)', min_dist)); ``` 以上代码仅为简化版示例，实际应用中需要进行更多的优化和改进。例如，可以使用更先进的算法来提高识别的精度和速度，或者对数据库中的图像进行预处理、去噪等操作以提高质量。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值