Python-PCA降维人脸识别，已包含yale数据库

本人在https://blog.csdn.net/u010006643/article/details/46417127博客上看到的，奈何数据库没有，本人结合网上流传的数据库yale,写下了可以运行得出结果的PCA降维，人脸识别程序，特别适合numpy和PCA学习。我第二次上传资源，感谢平台支持。谢谢大家支持。代码注释很详细，注意我把人脸图片在文件夹之内看成二维的数组。实验表明，PCA对于光照很敏感。

from numpy import *
from numpy import linalg as la
import cv2
import os
#导入文件 这里没有用到for 循环的步进
def loadImageSet（）:
    FaceMat = mat（zeros（（15 100 * 100）））  # 先是15行的长矩阵
    file = “G:\\ProgrameCode\\FaceDataLib\\yaleFaceDataset\\“
    j=0
    try:
        for i in range（616111）:
            tmp=str（i）
            img = cv2.imread（file + “s“ + tmp + “.bmp“ 0）
            FaceMat[j :] = mat（img）.flatten（）
            j+=1
            i=int（tmp）
    except:
        print（“err“）
    print（j） #代表读取多少照片 15
    print（FaceMat.shape）  # （15 10000）
    return FaceMat
def ReconginitionVector（selecthr=0.8）:
    FaceMat = loadImageSet（）.T  # 1000*15的矩阵
    aveImg = mean（FaceMat 1）  # （10000 1）
    diffTrain = FaceMat - aveImg  # 列元素都会去减去的 初始化的
    tempDiffTrain = mat（diffTrain.T * diffTrain）  # 15*1000 * 1000*15
    # print（tempDiffTrain.shape）#（15 15）
    # print（tempDiffTrain）#这个数值没法看懂
    eigvals eigVects = linalg.eig（tempDiffTrain）  #对角化矩阵
    # print（eigvals.shape）#（15）
    # print（eigvals）#应该是15*1
    # print（eigVects.shape）
    eigSortIndex = argsort（-eigvals）#排序
    # 从中可以看出argsort函数返回的是数组值从大到小的索引值arr[eigSortIndex]才是其值
    tempArrage = shape（FaceMat）[1]  # 1000*15 为了返回矩阵的列数  只是要索引而已
    # print（tempArrage） #15
    # selecthr = 0.9  # 0.8得到7;  0.9得到[0 1 2 3 4 6 7 8 9]
    for i in range（tempArrage）:
        tempArryI = eigSortIndex[:i]  # 这是一维的索引，为了下面的相加
        # print（tempArryI） #[0 1 2 3 4 6 7 8]
        #代表矩阵的一行求和 eigvals.sum（） 值是 273051023.0666671
        #这是所谓的求得阈值
        if （eigvals[tempArryI] / eigvals.sum（））.sum（） >= selecthr:
            eigSortIndex = tempArryI
            # print（eigSortIndex）
            break
    tempEigSortIndex = eigVects[: eigSortIndex]  # 特征向量之中找到较大的特征值
    # print（tempEigSortIndex.shape） #（15 9）
    covVects = diffTrain * tempEigSortIndex
    ##1000*15 * 15*（0-9等等）
    # 这样我们不仅减少了计算量，而且保留了主成分，减少了噪声的干扰。
    print（covVects.shape）  #（10000 9）
    return aveImg covVects diffTrain #标准脸  主特征脸 差值
    ## （10000 1） #（10000 9）  1000*15

          # （1 10000）   （10000 9）   （10000 1）  1000*15  # 待识别脸 主特征脸  标准脸  差值
def judgeFace（judgeImg FaceVector avgImg diffTrain）:
    diff = judgeImg.T - avgImg #（10000 1）  #特征向量
    weiVec = FaceVector.T * diff #（7*1）（9*1）这是权重
    res = 0
    resVal = inf #正无穷
    for i in range（15）:#行数  从0开始到14
        TrainVec = FaceVector.T * diffTrain[: i]#9*（1-15）
        tempVal=array（weiVec - TrainVec） ** 2 #下面代表近似无穷大
        if tempVal.sum（） < resVal:  #求得与的欧式距离来判断未知人脸与第k张训练人脸之间的差距。
            res = i
            # 这里因为我假设我要识别的未知人肯定是训练集合里有的
            # if i == 14:  # 代表遍历所以的还小于；想法对，代码不对
            #     print（“查无此人“）
            #     res=-1 #但是不对
            resVal = tempVal.sum（）#求取元素的平方
    tempRes=res+1
    print（tempRes）
    return tempRes  #

if __name__ == ‘__main__‘:
    avgImg FaceVector diffTrain = ReconginitionVector（selecthr=0.9）
    ## （10000 1） #（10000 9）  1000*15
    fileArry 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-08-20 16:32  Py815\
     目录           0  2018-08-20 15:27  Py815\.idea\
     文件         534  2018-08-16 21:58  Py815\.idea\Py815.iml
     目录           0  2018-08-15 22:38  Py815\.idea\inspectionProfiles\
     文件         228  2018-08-15 22:38  Py815\.idea\inspectionProfiles\profiles_settings.xml
     文件         227  2018-08-16 21:58  Py815\.idea\misc.xml
     文件         262  2018-08-15 22:38  Py815\.idea\modules.xml
     文件       51494  2018-08-20 15:27  Py815\.idea\workspace.xml
     目录           0  2018-08-16 09:00  Py815\__pycache__\
     文件         345  2018-08-16 09:00  Py815\__pycache__\const.cpython-35.pyc
     文件         187  2018-08-16 08:57  Py815\__pycache__\test.cpython-35.pyc
     文件        5335  2018-08-20 14:39  Py815\facePCA.py
     目录           0  2018-08-20 16:32  Py815\yaleFaceDataset\
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s1.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s10.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s100.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s101.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s102.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s103.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s104.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s105.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s106.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s107.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s108.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s109.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s11.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s110.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s111.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s112.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s113.bmp
     文件       11078  2003-02-06 23:09  Py815\yaleFaceDataset\s114.bmp
............此处省略147个文件信息