基于PCA的人脸识别(ORL人脸库)..doc

江南大学实验报告 课程名称： 计算机视觉基础 学 院： 物联网工程学院 班 级： 计算机1206 学 号： 1030412612 姓 名： 王成义 同组同学 学号姓名： 付聪+计算机1205+1030412522 实验日期： 2015/5/28  实验名称： PCA人脸识别 . 1、实验目的 1、熟悉人脸识别的方法原理。 2、熟悉特征脸法识别人脸的方法。 3、了解主成分分析在模式识别中的应用。 实验内容/步骤 内容： 1.使用老师提供的人脸库图片（20个人×每人10张图片）。 图片名规则****.bmp, (前2位代表第几个人，后2位代表这个人的第几张图片；例0305.bmp代表第3个人的第5张图片) 2.对于每个人的相片，使用10张中的前7张作为training图片，剩下的3张作为testing图片。 3.利用PCA进行分类识别，给出最后的识别正确率（也即testing图片（20人*3张=60张）有多少张能被正确识别）。 步骤： 将ORL人脸库分成两个库ORL_TRAIN（训练库20*7）和ORL_TEST（测试库20*3）。 将训练库中的图片构造成一个训练集，根据老师所讲的PCA算法原理对训练集进行处理。 对测试图片进行和训练集同过程处理。 用最近邻分类器进行分类。 求出识别率。 实验源程序 3.1、pca_of_wchy_main.m：主函数 function pca_of_wchy_main() %%%%%%%%% 构造训练集 %%%%%%%%%%%%%%%% path=ORL_TRAIN\; File=dir([path,*.bmp]); dsize=length(File); %读取数据库图片数量 pic=zeros(dsize,15*15);% 加载样本图像到 X*(15*15)的矩阵中 for i=1:dsize Image1=imread(strcat(path,File(i).name)); Image2=imresize(Image1,[15,15]); pic(i,:)=double(reshape(Image2,1,[])); end; TrainSamples=pic; smalle = 10.^(-5); % 一个小数字阈值 trsize = size(TrainSamples,2); % 训练样本总数 N x = TrainSamples; xm = mean(x,2); x = x - repmat(xm,1,trsize); % 训练样本及中心化 %%%%%%%%% PCA %%%%%%%%%%%%%%%% [w e explain] = pca_of_wchy(x*x); r = length(find(esmalle)); w = w(:,1:r); e = e(1:r); w = x*w*diag(1./sqrt(e)); % SVD方法求解PCA x0 = w*x; % 将训练样本投影到PCA子空间, 这里,w 即为W_pca %%%%%%%%%%%%%%% 测试 %%%%%%%%%%%%%%%%%%%%% error_recognition=0; right_recognition=0; path_test=ORL_TEST\; File_test=dir([path_test,*.bmp]); dsize_test=length(File_test); %读取数据库图片数量 for i=1:dsize_test Image=imread(strcat(path_test,File_test(i).name)); ImageI=double(imresize(Image,[15,15])); phi_test=zeros(1,15*15); phi_test(1,:)=double(reshape(ImageI,1,[])); TestSamples=phi_test; tesize = size(TestSamples,2); % 测试样本总数 xt0 = w*(TestSamples - repmat(xm,1,tesize)); % 同样地，将测试样本投影到PCA子空间 %%%%%%%%%%%% 用自己写的最近邻分类器进行分类，并计算识别正确和错误的数量 %%%%%%%%%%%%%%%%%% wchy=Min(x0,xt0);%%最近邻分类器函数 Imagess=imread(strcat(path,File(wchy).nam