clear all;
% FaceRec.m
% PCA 人脸识别修订版,识别率88%
% calc xmean,sigma and its eigen decomposition
allsamples=[];% 所有训练图像
for i=1:3
for j=1:5
a=imread(strcat('s',num2str(i),'\',num2str(j),'.pgm'));
%imshow(a);
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 =200
end
end
samplemean = mean(allsamples); % 平均图片,1× N
for i=1:15
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);
% 按特征值大小以降序排列
[dsort,pos] = sort(diag(d),'descend');
%dsort = diag(d1);
% = flipud(d1);
vsort = [ v(:,pos) ];
% 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));
% 以下两行add by gongxun 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 i=1:3
for j=6:10 %读入40 x 5 副测试图像
% i= 3;
% j = 6;
a=imread(strcat('s',num2str(i),'\',num2str(j),'.pgm'));
b=a(1:10304);
b=double(b);
tcoor= b * base; %计算坐标,是1 ×p 阶矩阵
for k=1:15
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;
disp(class1);
% if class1~=class2 && class2~=class3
% class = class1;
%
% elseif class1==class2
% class = class1;
% disp('1');
% elseif class2==class3
% class = class2;
% disp('2');
% else
% disp('3')
% end;
% if class==i
% accu=accu+1;
% end;
end;
end;
%accuracy=accu/200 % 输出识别率