基于PCA和SVM的人脸识别--MATLAB实现.zip

% 整个训练过程，包括读入图像，PCA降维以及多类 SVM 训练，各个阶段的处理结果分别保存至文件： % 将 PCA 变换矩阵 W 保存至 Mat/PCA.mat % 将 scaling 的各维上、下界信息保存至 Mat/scaling.mat % 将 PCA 降维并且 scaling 后的数据保存至 Mat/trainData.mat % 将多类 SVM 的训练信息保存至 Mat/multiSVMTrain.mat disp(' '); disp(' '); disp('训练开始...'); disp('读入人脸数据...'); nPerson=40; [FaceContainer,faceLabel]=ReadFaces(nPerson,0); disp('读入人脸数据成功'); disp('..............................'); nFaces=size(FaceContainer,1);%样本（人脸）数目 disp('PCA降维...'); [pcaFaces, W] = fastPCA(FaceContainer, 20);% 主成分分析PCA disp('PCA降维成功'); disp('..............................'); % pcaFaces是200*20的矩阵, 每一行代表一张主成分脸(共40人，每人5张)，每个脸20个维特征 % W是分离变换矩阵, 10304*20 的矩阵 disp('Scaling...'); [scalingX,A0,B0] = scaling(pcaFaces); % save('SVM/scaling.mat', 'A0', 'B0'); disp('Scaling成功'); disp('..............................'); % 保存 scaling 后的训练数据至 trainData.mat TrainData =scalingX; trainLabel = faceLabel; V = W; % save('SVM/trainData.mat', 'TrainData', 'trainLabel','W'); disp('SVM训练.....'); for iPerson = 1:nPerson nSplPerClass(iPerson) = sum( (trainLabel == iPerson) ); end multiSVMStruct = multiSVMTrain(TrainData, nSplPerClass, nPerson); disp('..............................'); disp('训练结束'); disp(' '); disp(' '); disp('测试开始...'); % 读入测试集合 disp('读入测试集合...'); [FaceContainer_c,faceLabel_c]=ReadFaces(nPerson,1); disp('..............................'); % 读入相关训练结果 % disp('载入训练参数...'); % load('Mat/PCA.mat'); % load('Mat/scaling.mat'); % load('Mat/trainData.mat'); % load('Mat/multiSVMTrain.mat'); % disp('..............................'); % PCA降维 disp('测试数据PCA降维、scaling处理...'); [m n] = size(FaceContainer_c); meanVec=mean(FaceContainer_c); TestFace = (FaceContainer_c-repmat(meanVec,m,1))*V; % 经过pca变换降维 TestFace = scaling(TestFace,1,A0,B0); disp('测试数据PCA降维、scaling成功'); disp('..............................'); % 多类 SVM 分类 disp('测试集识别中...'); classes = multiSVMClassify(TestFace,multiSVMStruct); disp('..............................'); % 计算识别率 nError = sum(classes ~= faceLabel_c); accuracy = 1 - nError/length(faceLabel_c); disp(['对于测试集200个人脸样本的识别率为', num2str(accuracy*100), '%']);