数据集合说明4.docVIP

数据集合说明 FERET人脸数据库：“FERET_80_80-人脸数据库.rar”（美国军方数据库） 共有200个人，每人7幅图像，共1400幅图片，对应不同的姿态，表情，和光照条件，经过裁剪预处理至80*80，包括图像和.mat数据（FERET_80_80_col.mat），是目前最权威的人脸数据库，做人脸识别必备，可以直接用于人脸识别实验。 在matlab中查看.mat数据 clear all %先清空workspace里的数据 load FERET_80_80_col.mat %导入mat文件 打开matlab窗口desktop/workspace，mat文件里的所有数据都在里面，双击其中一个变量就会在Matlab的Variable Editor里列出变量的内容。 原始图片数据是一个6400*1400的矩阵。 训练集和测试集 为了减少类别数，选取前20人的图片数据（共140张图片），每个人后5张作为训练（训练集共100张图片，数据集大小为6400*100），前两张作为测试（测试集共40张图片，数据集大小为6400*40）。 TrainIndex.txt：训练集标号，第一列为序号，第二列为在原始图片数据矩阵中的序号，第三列为类别标号。 TestIndex.txt：测试集样本序号，已随机打乱，给出的特征与这个顺序相同，测试样本识别后可利用标号计算识别率。 为了减少特征维数，各特征数据由KL变换取前面的主分量得到，如表1所示。根据主分量占总体信息的比例，得到不同的特征，并给出相应的模板匹配的识别率，最后一行作为比较，给出了采用原始图片特征+模板匹配的识别率。 表1 数据集特征及识别率 数据集 维数 PCA主分量/总信息 模板匹配识别率 Trainfeature1.txt 8*100 75% 70% Testfeature1.txt 8*40 Trainfeature2.txt 19*100 85% 80% Testfeature2.txt 19*40 Trainfeature3.txt 50*100 95% 85% Testfeature3.txt 50*40 Trainfeature4.txt 6400*100 原始数据 25% Testfeature4.txt 6400*40 PCA特征产生（可选） 可以自己学习如何利用PCA产生特征，尝试训练集和测试集的选择方法，训练对大数据的处理能力。 使用说明： 可以使用提供的特征向量进行分类，也可以在原始图片或二值图上提取新的特征分类或综合使用两者； 可以使用提供的全部人脸数据库图片进行分类练习，尽量提高整体识别率。 附：matlab常见问题 如何将.mat数据保存成.txt文件格式？ 答：load FERET_80_80_col.mat %导入mat文件 save2txt(FERET.txt, FERET_80_80_col) %利用函数保存.mat数据到.txt文件中 %方便其他程序利用 如何将数据保存成.txt文件格式？ 答： save Testfeature2.txt -ascii ProjectedTestImage