这个是基于matlab做的人脸识别程序，算法基于pca，根据相关需求亲自改过可使用，效果良好.zip

% PCA 人脸识别修订版，识别率88％ allsamples=[]; %所有训练图像 for i=1:7 a=imread( strcat( 'D:\s1' , '\' ,num2str(i), '.BMP' ) ); % 读取文件夹里所有图片 % figure(i),imshow(a); b=a( 1:100*100 ); % b是行矢量 1×N，其中N＝10000，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＝10 end samplemean=mean(allsamples); % 平均图片，1 × N for i=1:7 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; % 获取特征值及特征向量 sigma=xmean*xmean'; % M * M 阶矩阵 [v d]=eig(sigma); d1=diag(d); % 按特征值大小以降序排列 dsort = flipud(d1); vsort = fliplr(v); %以下选择90%的能量 dsum = sum(dsort); dsum_extract = 0; p = 0; while( dsum_extract/dsum < 0.9) p = p + 1; dsum_extract = sum(dsort(1:p)); end i=1; % (训练阶段)计算特征脸形成的坐标系 base = xmean' * vsort(:,1:p) * diag(dsort(1:p).^(-1/2)); % base 是N×p 阶矩阵，除以dsort(i)^(1/2)是对人脸图像的标准化（使其方差为1） % 详见《基于PCA 的人脸识别算法研究》p31 % xmean' * vsort(:,i)是小矩阵的特征向量向大矩阵特征向量转换的过程 % 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（使其方差为1） % i = i + 1; % xmean' * vsort(:,i)是小矩阵的特征向量向大矩阵特征向量转换的过程 % end % 以下两行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; % allcoor 里面是每张训练人脸图片在 M*p 子空间中的一个点，即在子空间中的组合系数， accu = 0; % 下面的人脸识别过程中就是利用这些组合系数来进行识别 % 测试过程 for j=1:3 a=imread( strcat( 'D:\test3' , '\' ,num2str(i), '.BMP' ) ); % 读取文件夹里所有图片 b=a(1:10000); b=double(b); tcoor= b * base; %计算坐标，是1×p 阶矩阵 for k=1:7 mdist(k)=norm(tcoor-allcoor(k,:)); end; %三阶近邻 [dist,index2]=sort(mdist); class1=floor( (index2(1)-1)/5 )+1; class2=floor((index2(2)-1)/5)+1; class3=floor((index2(3)-1)/5)+1; if class1~=class2 && class2~=class3 class=class1; elseif class1==class2 class=class1; elseif class2==class3 class=class2; end; if class==i accu=accu+1; end; end; accuracy =accu/7 %输出识别率