资源简介
本程序通过pca算法进行特征提取,再用bp神经网络进行分类,最后计算出识别率。
代码片段和文件信息
clc
% 第一步,利用主元分析PCA法提取图像的特征矩阵
allsamples=[]; %所有训练图像
for i=1:15
for j=1:5
a=imread(strcat(pwd‘\Yale\s‘num2str(i)‘\‘num2str(j)‘.bmp‘));
b=a(1:100*80);
b=double(b);
allsamples=[allsamples; b];
end
end
samplemean=mean(allsamples);
for i=1:75
xmean(i:)=allsamples(i:)-samplemean;
end
sigma=xmean*xmean‘;
[v d]=eig(sigma);
d1=diag(d);
[d2 index1]=sort(d1);
cols=size(v2);
for i=1:cols
vsort(:i) = v(: index1(cols-i+1) );
dsort(i) = d1( index1(cols-i+1) );
end %完成降序排列
%以下选择85%的能量
dsum = sum(dsort);
dsum_extract = 0;
p= 0;
while( dsum_extract/dsum < 0.85)
p=p + 1;
dsum_extract = sum(dsort(1:p));
end
i=1;
%计算特征脸形成的坐标系
while (i<=p && dsort(i)>0)
base(:i) = dsort(i)^(-1/2) * xmean‘ * vsort(:i); % base是N×p阶矩阵,除以dsort(i)^(1/2)是对人脸图像的标准化
i = i + 1;
end
%下面的代码,将训练样本对坐标系上进行投影得到一个 M*p 阶矩阵allcoor
allcoor = allsamples * base;
%第二步,创建并训练BP神经网络
%生成训练BP神经网络的输入 P
P= mapminmax(allcoor); %归一化
%生成目标输出矢量 T
T=zeros(7515);
for i=1:15
for j=1:5
T((i-1)*5+ji)=1;
end
end
%打乱训练样本顺序
gx2(:1:19)=P;
gx2(:20:34)=T;
xd=gx2(randperm(numel(gx2)/34):);
gx=xd(:1:19);d=xd(:20:34);
P=gx‘;
T=d‘;
%创建BP神经网络
[RQ]=size(P);
[S2Q]=size(T);
net=newcf(minmax(P)T[40]{‘logsig‘}‘trainscg‘);
%训练BP神经网络
net.trainparam.epochs=5000;
net.trainparam.goal=0.0001;
net.divideFcn = ‘‘;
net=train(netPT);
%仿真BP神经网络
Y=sim(netP);
% 第三步,测试BP神经网络并计算其识别率
%测试BP神经网络
s=0;
for i=1:15
for j=6:10 %读入15x5副测试图像
a=imread(strcat(pwd‘\Yale\s‘num2str(i)‘\‘num2str(j)‘.bmp‘));
b=a(1:8000);
b=double(b);
tcoor= b * base; %计算坐标,是1×p阶矩阵
X = mapminmax(tcoor); %归一化
Z=sim(netX‘);
[ziindex2]=max(Z);
if index2==i
s=s+1;
end
end
end
%计算识别率
accuracy=s/Q;
fprintf(2‘采用PCA和神经网络的识别率为:%.3f%%\n\n‘accuracy*100);
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 2410 2017-12-28 13:18 PCA+BP\pcabp.m
文件 271 2017-12-28 20:19 PCA+BP\readme.txt
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\1.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\10.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\11.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\2.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\3.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\4.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\5.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\6.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\7.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\8.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s1\9.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\1.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\10.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\11.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\2.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\3.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\4.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\5.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\6.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\7.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\8.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s10\9.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s11\1.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s11\10.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s11\11.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s11\2.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s11\3.bmp
文件 9080 2017-11-01 23:06 PCA+BP\Yale\s11\4.bmp
............此处省略159个文件信息
相关资源
- 浅谈人工智能中人脸识别技术的应用
- 人脸识别资源库
- 单训练样本条件下人脸识别技术研究
- ORL人脸数据库多格式
- Yale人脸识别图片库bmp
- Unity刷脸人脸识别
- (人脸识别系统研究与实现)全部论
- 人脸识别拍照
- dlib 32位库 19.10.0_release_32bit_msvc1913.l
- LBP人脸识别最近邻分类器
- LBP人脸识别
- 最新人脸识别论文综述
- keras实现的VGGface 特征提取,用来抽取
- opencv下haarclassifiercascade加上LBPHFaceRe
- KPCA人脸识别程序
- 最新人脸识别技术实现的人脸识别系
- 基于PCA的人脸识别系统
- UD12807B-A__DS-K1T607人脸识别终端_用户手
- 基于Qt的人脸识别
- 人脸识别二次开发包(SDK)
- FaceDetection人脸识别系统源代码
- 稀疏表示和协同编码哪个对人脸识别
- PCA-SVM人脸识别代码
- openmv+stm32+as608
- Yale人脸库人脸识别
-
中文翻译 SphereFace Deep Hypersphere em
- LDA人脸识别自编程序
- Gabor-SVM和PCA-SVM人脸识别程序
- FPGA实现人脸识别算法
- 基于Open cv 实现的人脸识别 论文和代
评论
共有 条评论