PCA检测人脸的简单示例_matlab实现

此文转载于mpbchina的博客，转载地址：

http://blog.csdn.net/mpbchina/article/details/7384425

1. [plain] view plaincopy
   
2. %训练  
3. %Lx=X'*X  
4. clear;  
5. clc;  
6. train_path='..\Data\TrainingSet\';  
7. phi=zeros(64*64,20);  
8. for i=1:20  
9. path=strcat(train_path,num2str(i),'.bmp');  
10. Image=imread(path);  
11. Image=imresize(Image,[64,64]);  
12. phi(:,i)=double(reshape(Image,1,[])');  
13. end;  
14. %mean  
15. mean_phi=mean(phi,2);  
16. mean_face=reshape(mean_phi,64,64);  
17. Image_mean=mat2gray(mean_face);  
18. imwrite(Image_mean,'meanface.bmp','bmp');  
19. %demean  
20. for i=1:19  
21. X(:,i)=phi(:,i)-mean_phi;  
22. end  
23. Lx=X'*X;  
24. tic;  
25. [eigenvector,eigenvalue]=eigs(Lx,19);  
26. toc;  
27. %normalization  
28. for i=1:19  
29. %K-L变换  
30. UL(:,i)=X*eigenvector(:,i)/sqrt(eigenvalue(i,i));  
31. end  
32. %display Eigenface  
33. for i=1:19  
34. Eigenface=reshape(UL(:,i),[64,64]);  
35. figure(i);  
36. imshow(mat2gray(Eigenface));  
37. end  

得到的均值图像mean_face：

前19个最大主元对应的“特征脸”：

测试：
测试用样本：

[plain]  view plain copy

1. %使用测试样本进行测试  
2. clc;  
3. test_path='..\Data\TestingSet\';  
4. error=zeros([1,4]);  
5. for i=1:4  
6. path=strcat(test_path,num2str(i),'.bmp');  
7. Image=imread(path);  
8. Image=double(imresize(Image,[64,64]));  
9. phi_test=zeros(64*64,1);  
10. phi_test(:,1)=double(reshape(Image,1,[])');  
11. X_test=phi_test-mean_phi;  
12. Y_test=UL'*X_test;  
13. X_test_re=UL*Y_test;  
14. Face_re=X_test_re+mean_phi;  
15. calculate error rate  
16. e=Face_re-phi_test;  
17.   
18.   
19. %%display figure  
20. Face_re_2=reshape(Face_re(:,1),[64,64]);  
21. figure(i);  
22.   
23. imshow(mat2gray(Image));  
24. title('Original');  
25. figure(10+i);  
26. imshow(mat2gray(Face_re_2));  
27. title('Reconstruct');  
28. error(1,i)=norm(e);  
29.   
30. %dispaly error rate  
31. error_rate=error(1,i);  
32. display(error_rate);  
33. end  

重建出的测试样本与原样本的对比：

四副测试样本的重建误差分别为：
1.4195e+003
1.9564e+003
4.7337e+003
7.0103e+003

可见测试样本为人脸的样本的重建误差显然小于非人脸的重建误差。