基于卷积神经网络的人脸识别，基于cnn的人脸识别（代码完整，数据齐全）

%训练样本集26个英文字母(输入向量和目标向量) clc; clear all; t=zeros(30,5); for kk=0:29 %p1=ones(28,28);% 初始化28×28的二值图像像素值(全白) m =strcat('ORL人脸库\train\',int2str(kk),'.bmp');% 形成训练样本图像的文件名(0～259.bmp) x=imread(m,'bmp');% 读入训练样本图像文件 bw=im2bw(x,0.5);% 将读入的训练样本图像转换为二值图像 bw=im2uint8(bw); % [i,j]= find(bw==0);% 寻找二值图像中像素值为0(黑)的行号和列号 % imin=min(i);% 寻找二值图像中像素值为0(黑)的最小行号 % imax=max(i);% 寻找二值图像中像素值为0(黑)的最大行号 % jmin=min(j);% 寻找二值图像中像素值为0(黑)的最小列号 % jmax=max(j);% 寻找二值图像中像素值为0(黑)的最大列号 % bw1=bw(imin:imax,jmin:jmax);% 截取图像像素值为0(黑)的最大矩形区域 % % rate=28/max(size(bw1));% 计算截取图像转换为28×28的二值图像的缩放比例(由于缩放比例 % % 大多数情况下不为28的倍数,所以可能存在转换误差) % bw1=imresize(bw1,[28,28]);% 将截取图像转换为28×28的二值图像 % % [i,j]=size(bw1);% 转换图像的大小 % % i1=round((28-i)/2);% 计算转换图像与标准28×28的图像的左边界差 % % j1=round((28-j)/2);% 计算转换图像与标准28×28的图像的上边界差 % % p1(i1+1:i1+i,j1+1:j1+j)=bw1;% 将截取图像转换为标准的28×28的图像 % p1=bw1; % p1= -1.*p1+ones(28,28);% 反色处理 % 以图像数据形成神经网络输入向量 for m=0:91 p(m*112+1:(m +1)*112,kk+1)=bw(1:112,m+1); end % 形成神经网络目标向量 switch kk case{0,5,10,15,20,25,30,35} % 第一个人 t(kk+1,1)=1; case{1,6,11,16,21,26,31,36} % 第二个人 t(kk+1,2)=1; case{2,7,12,17,22,27,32,37} % 字母C t(kk+1,3)=1; case{3,8,13,18,23,28,33,38} % 字母D t(kk+1,4)=1; case{4,9,14,19,24,29,34,39} %字母E t(kk+1,5)=1; % case{5,32,57,83,109,135,161,187,213,239} %字母F % t(kk+1,6)=1; % case{6,33,58,84,110,136,162,188,214,240} % 字母G % t(kk+1,7)=1; % case{7,34,59,85,111,137,163,189,215,241} % 字母H % t(kk+1,8)=1; % case{8,35,60,86,112,138,164,190,216,242} % 字母I % t(kk+1,9)=1; % case{9,36,61,87,113,139,165,191,217,243} % 字母J % t(kk+1,10)=1; % case{10,37,62,88,114,140,166,192,218,244} % 字母K % t(kk+1,11)=1; % case{11,38,63,89,115,141,167,193,219,245} % 字母L % t(kk+1,12)=1; % case{12,39,64,90,114,142,168,194,220,246} % 字母M % t(kk+1,13)=1; % case{13,40,65,91,115,143,169,195,221,247} % 字母N % t(kk+1,14)=1; % case{14,41,66,92,116,144,170,196,222,248} % 字母O % t(kk+1,15)=1; % case{15,42,67,93,117,145,171,197,223,249} % 字母P % t(kk+1,16)=1; % case{16,43,68,94,118,146,172,198,224,250} % 字母Q % t(kk+1,17)=1; % case{17,44,69,95,119,147,173,199,225,251} % 字母R % t(kk+1,18)=1; % case{18,45,70,96,120,148,174,200,226,252} % 字母S % t(kk+1,19)=1; % case{19,46,71,97,121,149,175,201,227,253} %字母T % t(kk+1,20)=1; % case{20,47,72,98,122,150,176,202,228,254} % 字母U % t(kk+1,21)=1; % case{21,48,73,99,123,151,177,203,229,255} % 字母V % t(kk+1,22)=1; % case{22,49,74,100,124,152,178,204,230,256} % 字母W % t(kk+1,23)=1; % case{23,50,75,101,125,153,179,205,231,257} % 字母X % t(kk+1,24)=1; % case{24,51,76,102,126,154,180,206,232,258} % 字母Y % t(kk+1,25)=1; % case{25,52,77,103,127,155,181,207,233,259} % 字母Z % t(kk+1,26)=1; end end test_y=zeros(10,5); for k=0:9 %p2=ones(28,28);% 初始化28×28的二值图像像素值(全白) m2 =strcat('ORL人脸库\test\',int2str(k),'.bmp');% 形成训练样本图像的文件名(0～89.bmp) x=imread(m2,'bmp');% 读入训练样本图像文件 bw=im2bw(x,0.5);% 将读入的训练样本图像转换为二值图像 bw=im2uint8(bw); % [i,j]= find(bw==0);% 寻找二值图像中像素值为0(黑)的行号和列号 % imin=min(i);% 寻找二值图像中像素值为0(黑)的最小行号 % imax=max(i);% 寻找二值图像中像素值为0(黑)的最大行号 % jmin=min(j);% 寻找二值图像中像素值为0(黑)的最小列号 % jmax=max(j);% 寻找二值图像中像素值为0(黑)的最大列号 % bw2=bw(imin:imax,jmin:jmax);% 截取图像像素值为0(黑)的最大矩形区域 % % rate=28/max(size(bw1));% 计算截取图像转换为28×28的二值图像的缩放比例(由于缩放比例 % % 大多数情况下不为28的倍数,所以可能存在转换误差) % bw2=imresize(bw2,[28,28]);% 将截取图像转换为28×28的二值图像 % % [i,j]=size(bw1);% 转换图像的大小 % % i1=round((28-i)/2);% 计算转换图像与标准28×28的图像的左边界差 % % j1=round((28-j)/2);% 计算转换图像与标准28×28的图像的上边界差 % % p1(i1+1:i1+i,j1+1:j1+j)=bw1;% 将截取图像转换为标准的28×28的图像 % p2=bw2; % p2= -1.*p2+ones(28,28);% 反色处理 % 以图像数据形成神经网络输入向量 for m=0:91 test_x(m*112+1:(m +1)*112,k+1)=bw(1:112,m+1); end % 形成神经网络目标向量 switch k case{0,5} % 第一个人 test_y(k+1,1)=1; case{1,6} % 第二个人 test_y(k+1,2)=1; case{2,7} % 第三个人 test_y(k+1,3)=1; case{3,8} % 第四个人 test_y(k+1,4)=1; case{4,9} %第四个人 test_y(k+1,5)=1; % case{5,31} %字母F % test_y(k+1,6)=1; % case{6,32} % 字母G % test_y(k+1,7)=1; % case{7,33} % 字母H % test_y(k+1,8)=1; % case{8,34} % 字母I % test_y(k+1,9)=1; % case{9,35} % 字母J % test_y(k+1,10)=1; % case{10,36} % 字母K % test_y(k+1,11)=1; % case{11,37} % 字母L % test_y(k+1,12)=1; % case{12,38} % 字母M % test_y(k+1,13)=1; % case{13,39} % 字母N % test_y(k+1,14)=1; % case{14,40} % 字母O % test_y(k+1,15)=1; % case{15,41} % 字母P % test_y(k+1,16)=1; % case{16,42} % 字母Q % test_y(k+1,17)=1; % case{17,43} % 字母R % test_y(k+1,18)=1; % case{18,44} % 字母S % test_y(k+1,19)=1; % case{19,45} %字母T % test_y(k+1,20)=1; % case{20,46} % 字母U % test_y(k+1,21)=1; % case{21,47} % 字母V % test_y(k+1,22)=1; % case{22,48} % 字母W % test_y(k+1,23)=1; % case{23,49} % 字母X % test_y(k+1,24)=1; % case{24,50} % 字母Y % test_y(k+1,25)=1; % case{25,51} % 字母Z % test_y(k+1,26)=1; end end %save LT test_x test_y; save LETTERS p t test_x test_y; % 存储形成的训练样本集(输入向量和目标向量) disp('输入向量和目标向量生成结束！')