最简单的人脸识别算法讲解.doc

最简单的人脸识别算法 目标 目的：为了让大家了解图像识别和检索的算法开发过程，以及加深对特征和分类器的理解。 概要 对于图像分类和检索来说，最重要的有两个内容，一个是特征提取方法，另一个是分类方法。图像识别就是先提取图像的特征，然后根据图像的特征进行分类识别的过程。为了让大家最快的了解图像识别算法的开发过程，我特意使用“图像尺寸缩小+欧式距离”的思想编写了相应的程序。算法实现的流程图如下图所示。 下面简单介绍一下哦。首先，说一下提取特征的方法。图像的每个像素都表征了图像某个位置的灰度值，可以作为图像的识别特征。但是，考虑到对于一幅100x100的图像来说，图像的像素数是10000，如果直接使用所有像素作为图像的特征，一方面肯定存在很多的冗余信息，另一方面计算量也很大。缩小图像尺寸是解决这个问题的不错方法。将100x100的图像缩小到10x10，特征点数就从10000将到100了，大大的降低了运算量。 本文使用ORL数据库为例，详细资料请baidu一下。 基础之matlab函数 为了便于便于理解程序和算法，先介绍一些基本的东西。 本文使用的MATLAB函数：zeros()、strcat()、num2str()、imread()、imresize()、reshape()以及转置运算。为了大家能比较容易的读懂“最简人脸识别程序”，先对这几个函数进行简单的介绍。 ①zeros() 创建全0矩阵。一般用来创建固定尺寸的变量。如果在程序运行过程中，一个变量的尺寸发生了变化，那么程序会暂停来为变量重新分配内存；假如一个变量尺寸在for循环中始终变化，会很浪费时间。因此，我编写的程序中，先预计变量最后的尺寸，然后预定义这个尺寸的全零变量。这样子做会节省程序的运行时间。不信的话，可以试一试！帮助文件中的例子如下所示： x = zeros(2,3,int8); 以上代码是创建尺寸为2x3的int8型的变量x。默认创建的是double型。想了解更多吗？请doc一下~~~。运行结果如下所示： ②strcat() 字符粘连。简单说，该函数参数必须是字符，它的作用就是将各个参数按次序粘连起来。例如： a = hello ; b = goodbye; string = strcat(a, b) 以上代码是定义2个字符变量a和b，然后将这2个字符变量粘连起来。运行结果如下所示： ③num2str() 将数值型数据转换成字符型。例如，像1是数值型数据，而‘1’就是字符型数据。该函数就是实现从1到‘1’的转换。帮助文件中的一个例子： num2str(pi)； 以上代码是将数值型 转换成字符的形式。运算结果如下所示： 想了解更多的话，请打命令“doc num2str”，回车，查看帮助文件。或者baidu or google一下，或者去Matlab中文论坛查询帮助。 ④imread() 读入图像文件。以前给大家讲过了，这里再说一点研一不知道的东东。原来使用这个命令，参数就是文件的名字，这样做有个前提，就是该图像文件必须在当前工作路径或搜索路径（what is it ? go to baidu for answer!），否则程序报错，说没有该文件。现在就有一个问题，如果我想导入一个图像，它不在当前路径下，也不再搜索路径下，而我还不想切换工作路径， ？imread函数本身就可以解决这个问题。imread的参数改成“路径+文件名+格式”，如下所示： I = imread(‘F:\科研\人脸识别\人脸数据库\ORL\1_1.pgm’); 以上代码就解决图像文件不在当前路径或搜索路径下的问题。注意：文件夹之间的分割符是反斜杠“\”，而不是斜杠“/”。想了解更多，doc一下！！！ ⑤imresize() 图像尺变化。即原图像尺寸是100x100，但是我们现在需要10x10的图像，使用该函数就可以实现。即，该函数可以将100x100的图像变换为10x10的图像。 I = imread(rice.png); J = imresize(I, [128,128]); 以上代码的功能是，’先读入rice.png’图像，原图像的尺寸是256x256的，然后将原图像的尺寸变换为128x128，然后存储在J变量中。运算的结果是： 当然imresize还有其它的调用形式，想了解的话，请doc一下。（养成一个doc的习惯，就提高了自学的能力哦！） ⑥reshape() 变换矩阵的形状。假如一个矩阵为10x10的尺寸，现在想将这个矩阵变换为100x1的列向量，但是原矩阵的数据都保留下来。例如： a=[1,2,3;4,5,6]; b=reshape(a,[1,6]); 以上代码功能是，先建立一个2x3的矩阵a，然后将它变为一个1x6的行向量并存储在b中。程序