人脸识别PCA算法matlab实现及详细步骤讲解

人脸识别

% FaceRec.m

% PCA 人脸识别修订版，识别率88％

% calc xmean,sigma and its eigen decomposition

allsamples=[];%所有训练图像

for i=1:40

for j=1:5

a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.jpg'));

% imshow(a);

b=a(1:112*92); % b 是行矢量 1×N，其中N＝10304，提取顺序是先列后行，即从上

到下，从左到右

b=double(b);

allsamples=[allsamples; b]; % allsamples 是一个M * N 矩阵，allsamples 中每一行数

据代表一张图片，其中M＝200

end

end

samplemean=mean(allsamples); % 平均图片，1 × N

for i=1:200 xmean(i,:)=allsamples(i,:)-samplemean; % xmean 是一个M × N 矩阵，xmean

每一行保存的数据是“每个图片数据-平均图片”

end;

% 获取特征值及特征向量

sigma=xmean*xmean'; % M * M 阶矩阵

[v d]=eig(sigma);

d1=diag(d);

% 按特征值大小以降序排列

dsort = flipud(d1);

vsort = fliplr(v);

%以下选择90%的能量

dsum = sum(dsort);

dsum_extract = 0;

p = 0;

while( dsum_extract/dsum < 0.9)

p = p + 1;

dsum_extract = sum(dsort(1:p));

end

i=1;

% (训练阶段)计算特征脸形成的坐标系

base = xmean' * vsort(:,1:p) * diag(dsort(1:p).^(-1/2));

% base 是N×p 阶矩阵，除以dsort(i)^(1/2)是对人脸图像的标准化（使其方差为1）