matlab基于BP神经网络的人脸识别

function FaceRecognitionByBPneuralnetwork %% 基于BP神经网络的人脸识别 %%2014-05-14 clc global base net %定义全局变量，用于 TestofFaceRecognition.m 函数中 %% 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=1:40 for j=1:5 a=imread(strcat('D:\MATLAB\人脸库\s',num2str(i),'\',num2str(j),'.bmp')); b=a(1:112*92); % b是行矢量 1×N，其中N＝10304，提取顺序是先列后行，即从上到下，从左到右 b=double(b); allsamples=[allsamples; b]; % allsamples 是一个M * N 矩阵，allsamples 中每一行数据代表一张图片，其中M＝400 end end samplemean=mean(allsamples); % 平均图片，1 × N for i=1:200 xmean(i,:)=allsamples(i,:)-samplemean; % xmean是一个M × N矩阵，xmean每一行保存的数据是“每个图片数据-平均图片” end sigma=xmean*xmean'; % M * M 阶矩阵 [v d]=eig(sigma); d1=diag(d); [d2 index1]=sort(d1); %以升序排序 cols=size(v,2); % 特征向量矩阵的列数 for i=1:cols vsort(:,i) = v(:, index1(cols-i+1) ); % vsort 是一个M*col(注:col一般等于M)阶矩阵，保存的是按降序排列的特征向量,每一列构成一个特征向量 dsort(i) = d1( index1(cols-i+1) ); % dsort 保存的是按降序排列的特征值，是一维行向量 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(200,40); for i=1:40 for j=1:5 T((i-1)*5+j,i)=1; end end %打乱训练样本顺序 gx2(:,1:47)=P; gx2(:,48:87)=T; xd=gx2(randperm(numel(gx2)/87),:); gx=xd(:,1:47);d=xd(:,48:87); P=gx'; T=d'; %创建BP神经网络 [R,Q]=size(P); [S2,Q]=size(T); net=newcf(minmax(P),T,[60,15],{'tansig','logsig'},'trainscg'); %训练BP神经网络 net.trainparam.epochs=5000; net.trainparam.goal=0.0001; net.divideFcn = ''; net=train(net,P,T); %仿真BP神经网络 Y=sim(net,P); %% 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=1:40 for j=6:10 %读入40x5副测试图像 a=imread(strcat('D:\MATLAB\人脸库\s',num2str(i),'\',num2str(j),'.bmp')); b=a(1:10304); b=double(b); tcoor= b * base; %计算坐标，是1×p阶矩阵 X = mapminmax(tcoor); %归一化 Z=sim(net,X'); [zi,index2]=max(Z); if index2==i s=s+1; else i %输出识别出错的那个人 i j %输出识别出错的那张图片 j index2 %输出误识别成的那个人 end end end %计算识别率 accuracy=s/Q end %% 完成