PCA人脸识别定位matlab代码

基于PCA的人脸识别定位，包含测试数据，真实可用

clc;
clear;

data = load（‘/Users/apple/Downloads/test.mat‘）;
faces = data.FACES;
scale = 208/（max（max（faces）） - min（min（faces）））; % normalize the image
faces = scale*（faces - min（min（faces）））;

test = data.test;

figure;
imshow（test[]）;

[rowscols] = size（test）;

faces = faces‘;
[coeffscorelatenttsquare] = princomp（faces）;

k = 1;
vector = zeros（121*1211600）;
for i = 21 : rows - 19
    for j = 21 : cols - 19
        face_temp = test（i-20:i+19j-20:j+19）;
        vector（k:） = reshape（face_temp11600）;
        k = k + 1;
    end
end

F = mean（faces）;

P = coeff（:1:9）;

x_tilde = zeros（146411600）;

for i = 1 : 1600
    for j = 1 : 14641
        x_tilde（ji） = vector（ji） - F（1i）;
    end
end

score = x_tilde * P;

distance = ones（146411）;

lambda = （1/6） * （sum（latent（1:61）））;
rho = （1/3） * （sum（latent（7:91）））;

for i = 1 : 14641
   distance（i1） = sum（score（i1:6）.^2）/lambda ...
  + （sum（x_tilde（i:）.^2） - sum（score（i1:6）.^2））/rho;
end


b = reshape（distance121121）;
figure;
imshow（b[]）;
title（‘distance‘ ‘FontSize‘ 15）;

Pos = zeros（39）;


% show the location of the faces identified
figure;
for i = 1:9
    [rowcolval] = findPos（b）;
    Pos（1i） = row;
    Pos（2i） = col;
    Pos（3i） = val;
    b = cleanNear（browcol）;
    subplot（33i）;
    imshow（b[]）;
    hold on;
    plot（Pos（2i）Pos（1i）‘rs‘‘MarkerSize‘2）;
end

figure;
imshow（test[]）;

for i = 1 : 9
    hold on;
    plot（Pos（2i）+20Pos（1i）+20‘rs‘‘MarkerSize‘2）;
end

% calculate the weight of the identified faces.
a = zeros（99）;
k = 1;

for i = 1 : 9
    row = Pos（1i）;
    col = Pos（2i）;
    subimage = test（row-20:row+19col-20:col+19）;
    subvector = reshape（subimage11600） - F;
    a（k:） = subvector * coeff（:1:9）;
    k = k + 1;
end

% calculate the weight of the original training image.
g = zeros（99）;
g（1:） = （faces（7:） - F） * coeff（:1:9）;
g（2:） = （faces（4:） - F） * coeff（:1:9）;
g（3:） = （faces（9:） - F） * coeff（:1:9）;
g（4:） = （faces（8:） - F） * coeff（:1:9）;
g（5:） = （faces（2:） - F） * coeff（:1:9）;
g（6:） = （faces（6:） - F） * coeff（:1:9）;
g（7:） = （faces（5:） - F） * coeff（:1:9）;
g（8:） = （faces（1:） - F） * coeff（:1:9）;
g（9:） = （faces（3:） - F） * coeff（:1:9）;

% calculate the norm of the dfference between weights ai for each
% of the identified faces and the corresponding weights for the
%original training faces.
l = zeros（91）;
for i = 1:9
    temp = a（i:） - g（i:）;
    s = sum（temp.^2）;
    l（i1） = s^0.5;
end


% plot the distance vs.training face number
plot_dis = zeros（19）;
plot_dis（11） = Pos（38）;
plot_dis（12） = Pos（35）;
plot_dis（13） = Pos（39）;
plot_dis（14） = Pos（32）;
plot_dis（15） = Pos（37）;
plot_dis（16） = Pos（36）;
plot_dis（17） = Pos（31）;
plot_dis（18） = Pos（34）;
plot_dis（19） = Pos（33）;


figure;
plot（plot_dis）;
title（‘distance vs training face number‘ ‘FontSize‘ 15）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-04-08 14:24  PCA浜鸿劯璇嗗埆\
     文件        2879  2017-04-08 14:23  PCA浜鸿劯璇嗗埆\face_localization.m
     目录           0  2017-04-08 14:24  __MACOSX\
     目录           0  2017-04-08 14:24  __MACOSX\PCA浜鸿劯璇嗗埆\
     文件         120  2017-04-08 14:23  __MACOSX\PCA浜鸿劯璇嗗埆\._face_localization.m
     文件       41588  2017-03-31 10:43  PCA浜鸿劯璇嗗埆\faces.mat
     文件         577  2017-03-31 10:43  __MACOSX\PCA浜鸿劯璇嗗埆\._faces.mat
     文件       48847  2017-03-31 10:43  PCA浜鸿劯璇嗗埆\test.mat
     文件         576  2017-03-31 10:43  __MACOSX\PCA浜鸿劯璇嗗埆\._test.mat