- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
页眉内容
用 Matlab实现人脸识别
学院:信息工程学院
班级:计科软件普 131
成员:
教案试题课件
页眉内容
一、问题描述
在一个人脸库中,有 15个人,每人有 11幅图像。要求选定每一个人的若干幅图像组成样本库,
由样本库得到特征库。再任取图像库的一张图片,识别它的身份。
对于一幅图像可以看作一个由像素值组成的矩阵,也可以扩展开,看成一个矢量。如一幅
N*N象
素的图像可以视为长度为 N2的矢量,这样就认为这幅图像是位于
N2维空间中的一个点,这种图像的
矢量表示就是原始的图像空间,但是这个空间仅是可以表示或者检测图像的许多个空间中的一个。不
管子空间的具体形式如何,这种方法用于图像识别的基本思想都是一样的,首先选择一个合适的子空
间,图像将被投影到这个子空间上,然后利用对图像的这种投影间的某种度量来确定图像间的相似度,
最常见的就是各种距离度量。因此,本次采用
PCA算法确定一个子空间,最后使用最小距离法进行识
别,并用 matlab 实现。
二、 PCA原理和人脸识别方法
1) K-L变换
K-L变换以原始数据的协方差矩阵的归一化正交特征矢量构成的正交矩阵作为变换矩阵,
对原始
数据进行正交变换,在变换域上实现数据压缩。它具有去相关性、能量集中等特性,属于均方误差测
度下,失真最小的一种变换,是最能去除原始数据之间相关性的一种变换。
PCA则是选取协方差矩阵
前 k个最大的特征值的特征向量构成
K-L变换矩阵。
教案试题课件
页眉内容
2)主成分的数目的选取
保留多少个主成分取决于保留部分的累积方差在方差总和中所占百分比
(即累计贡献率 ) ,它标志
着前几个主成分概括信息之多寡。实践中,粗略规定一个百分比便可决定保留几个主成分;如果多留
一个主成分,累积方差增加无几,便不再多留。
3)人脸空间建立
假设一幅人脸图像包含 N个像素点,它可以用一个 N维向量Γ表示。这样,训练样本库就可以用 Γ
i( i=1, ..., M)表示。协方差矩阵 C的正交特征向量就是组成人脸空间的基向量,即特征脸。
将特
征值由大到小排列:λ 1≥λ 2≥ ...≥λ r,其对应的特征向量为 μ k。这样每一幅人脸图像都可以投影到
由 u1,u2,...,ur张成的子空间中。因此,每一幅人脸图像对应于子空间中的一点。同样,子空间的任意
一点也对应于一幅图像。
4)人脸识别
有了这样一个由 "特征脸 "张成的降维子空间,任何一幅人脸图像都可以向其投影得到一组坐标系
数,这组系数表明了该图像在子空间中的位置,从而可以作为人脸识别的依据。计算数据库中每张图
片在子空间中的坐标,得到一组坐标,作为下一步识别匹配的搜索空间。
计算新输入图片在子空间中
的坐标,采用最小距离法,遍历搜索空间,得到与其距离最小的坐标向量,该向量对应的人脸图像即
为识别匹配的结果。
三、实验步骤
1)每人选取 4幅共 60幅作为训练样本,将每一幅图像( 128*128)写成列向量形式排列成矩阵
2)求协方差矩阵
3)求协方差矩阵特征值—求特征向量(特征脸)—将特征向量排列成变换矩阵
4)计算每幅图像的投影
教案试题课件
页眉内容
5)计算待识别人脸的投影
6)遍历搜索进行匹配
四、实验结果与分析
matlab界面效果如下所示
图 1用户使用界面
教案试题课件
页眉内容
图 2 选择图片
图 3图片选择后
教案试题课件
页眉内容
图 4 识别后
由于利用了标准库,并且识别的人数不是很多,也没有选择有大块左阴影和右阴影的人作为训练
集以及测试,所以最终的结果还是非常不错的,识别率可达
100%。但是选择有较大阴影的人做测试,
则会出现识别错误,所以 PCA算法还是存在一定的局限性。
教案试题课件
页眉内容
图 5 识别错误
主要代码展示
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject handle to pushbutton1 (see GCBO)
% eventdata reserved - to be defined in a
文档评论(0)