Python-PCA降维人脸识别，已包含yale数据库

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(6,161,11): 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 = "G:\\ProgrameCode\\FaceDataLib\\yaleFaceDataset\\" nameList = ['01', '02', '03', '04', '05', '06', '07', '08', '09', '10', '11', '12', '13', '14', '15'] characteristic = ['centerlight', 'glasses', 'happy', 'leftlight', 'noglasses', '','rightlight', 'sad', 'sleepy','surprised', 'wink'] #其实是11个，这是取出10个而已，没有使用opencv去做，使用矩阵运算理论做的；训练图片大大减少， countSum=0 for P,K in enumerate(range(1,12)):#大于11才行,默认步进长度1 # print("列值",K) if K==6:#列为normal值 print(P) #这里应该是5 P是索引0开始 continue print("不会走下去") cout=0 for N,M in enumerate(range(K,166,11)):#>155 N是次数0开始 # print("行值",M) try: loadname=fileArry+"s"+str(M)+".bmp" judgeImg = cv2.imread(loadname, 0) tempMat=mat(judgeImg).flatten()#(1, 10000) #不明白这里返回值要加1，表示与正常的人脸识别，15人一人一张图，就可以识别出15个不同人的照片了， if judgeFace(tempMat, FaceVector, avgImg, diffTrain) == int(nameList[N]):#N是真实的标签，是行标 cout += 1 countSum+=1 except: print("err") # print(P) character=characteristic[P] print('accuracy of %s is %f' % (character, float(cout) / len(nameList))) # 求出正确率 15 print('accuracy of %s is %f' % ('sum', float (countSum) / 165)) # 求出正确率 0.636364