基于pca实现人脸识别matlab代码

基于pca实现人脸识别，是经典的人脸识别算法之一，有较好的识别效果

function [personpic] = pca_faces（TestPerTestPicNumRecFaces）
%此函数用基于PCA的方法实现人脸检测，采用特征脸实现。

%输入:
%   TestPerTestPic：希望检测的第TestPer个人的第TestPic个脸应该选择任意人后五幅脸中的一幅作为测试图像
%   NumRecFaces：希望得到的最相近的人脸数，小于10，默认为4
%输出：
%   Person，Pic：检测到的最相近的几个第Person个人的第Pic个脸


if nargin == 2
    NumRecFaces = 4;
end;

load Imgs %load the database
%choose the first five faces for one person as the training faces
TrainImgs = Imgs（:1:5）;
for i=2:40
    TrainImgs = [TrainImgs Imgs（:1+10*（i-1）:5+10*（i-1））];
end


%run PCA to train
[VectorsValuesPsi] = pc_evectors（TrainImgs30）; % Get top 30 PC evectors of Imgs


%show the eigenfaces
figure;
subplot（251）
pc_ev = reshape（Vectors（:1）wh）‘;    % Get PC eigenvector 1
imagesc（pc_ev）;   colormap（gray（256））;  axis off ;axis image
subplot（252）
pc_ev = reshape（Vectors（:2）wh）‘;    % Get PC eigenvector 2
imagesc（pc_ev）;   colormap（gray（256））;  axis off; axis image
subplot（253）
pc_ev = reshape（Vectors（:3）wh）‘;    % Get PC eigenvector 3
imagesc（pc_ev）;   colormap（gray（256））;  axis off; axis image
subplot（254）
pc_ev = reshape（Vectors（:4）wh）‘;    % Get PC eigenvector 4
imagesc（pc_ev）;   colormap（gray（256））;  axis off; axis image
subplot（255）
pc_ev = reshape（Vectors（:5）wh）‘;    % Get PC eigenvector 5
imagesc（pc_ev）;   colormap（gray（256））;  axis off; axis image
subplot（256）
pc_ev = reshape（Vectors（:6）wh）‘;    % Get PC eigenvector 6
imagesc（pc_ev）;   colormap（gray（256））;  axis off; axis image 
subplot（257）
pc_ev = reshape（Vectors（:7）wh）‘;    % Get PC eigenvector 7
imagesc（pc_ev）;   colormap（gray（256））;  axis off; axis image 
subplot（258）
pc_ev = reshape（Vectors（:8）wh）‘;    % Get PC eigenvector 8
imagesc（pc_ev）;   colormap（gray（256））;  axis off; axis image 
subplot（259）
pc_ev = reshape（Vectors（:9）wh）‘;    % Get PC eigenvector 9
imagesc（pc_ev）;   colormap（gray（256））;  axis off; axis image 
subplot（2510）
pc_ev = reshape（Vectors（:10）wh）‘;    % Get PC eigenvector 10
imagesc（pc_ev）;   colormap（gray（256））;  axis off ;axis image


%input a new image to recongnize
%show the test face
TestFace = Imgs（:10*（TestPer-1）+TestPic）;
TFace = reshape（TestFacewh）‘;
figure;
imagesc（TFace）;
colormap（gray（256））;
title（‘Test Face‘）;axis off


%select the first 10 eigenvectors to reconstruct
LowDim_TestF = Vectors（:1:10）‘*（TestFace - Psi）;   % Project onto eigenvectors

%construct a matrix to save the closest recognized faces
RecFaces = zeros（2NumRecFaces）;%first row to record the index the second to the distinction

%find the nearest faces in the database（400 face in all）
for i = 1:NumRecFaces
    TemptFace = Imgs（:i）;
    LowDim_TemptF = Vectors（:1:10）‘*（TemptFace - Psi）;
    Dis = sum（abs（LowDim_TestF-LowDim_TemptF））;
    RecFaces（2i） = Dis;%distinction
end
[RecFaces（2:）RecFaces（1:）] = sort（RecFaces（2:））;

for i = NumRecFaces+1:400
    TemptFace = Imgs（:i）;
    LowDim_TemptF = Vectors（:1:10）‘*（TemptFace - Psi）;
    Dis = sum（abs

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3876  2009-06-17 22:34  pca_face recognition\pca_faces.m

     文件       2179  2001-02-12 15:32  pca_face recognition\pc_evectors.m

     文件         77  2009-06-17 22:34  pca_face recognition\run_result.m

     文件        445  2001-02-12 15:32  pca_face recognition\sortem.m

     目录          0  2009-06-17 22:43  pca_face recognition

----------- ---------  ---------- -----  ----

                 6577                    5