基于Matlab的人脸识别.doc

青岛大学 电信互认课程设计本科课程设计 题 目：人脸识别算法的设计与实现学 院： 自动化工程学院 专 业： 电子信息工程 班 级： 01班 学 号： 200740600129 姓 名： 段宏儒 指导教师： 余 俊 2011年 3月 11日1青岛大学 专业课程设计目 录一、设计任务与要求1二、主成分分析与人脸识别原理1三、人脸识别系统设计与编程2四、程序运行实例5五、参考文献 6 1一、设计任务与要求理解主成分分析方法的原理和基于主成分分析方法的人脸识别方法。在同学间采集一定数量的人脸正面图像样本，运用MATLAB编程，设计人脸识别程序并使用采集样本检验程序的识别正确率。二、主成分分析与人脸识别原理人脸识别是一个活跃的研究领域，是人类视觉最杰出的能力之一。虽然人脸识别的准确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最容易被接受的生物特征识别方式。本征脸（eigenface）方法这种方法是人脸识别的基准技术，并已成为事实上的工业标准该方法基于主成分分析（PCA）PCA是将分散在一组变量上的信息集中到某几个综合指标（主成分）上的数学方法，实际上起着数据降维的作用，并保证降维过程最大化保留原数据的差异这对最大化类间差异（即不同人之间的差异）并最小化类内差异（即同一人的不同图像间的差异）很有效用PCA将2维数据降到1维的例子，绿色点表示二维数据，PCA的目标就是找到这样一条直线，使得所有点在这条直线上的投影点之间的平均距离最大。也就是最大化地保留了原数据的差异性直接计算C 的本征值和本征向量是困难的，可以通过对矩阵 做奇异值分解间接求出m值的选择:三、人脸识别系统设计与编程、程序原理图、实验程序程序1功能：加载样本图片并处理function X,W = ImgLoad(dirName,peopleNum,photoNum);LONGTH = 112 * 92;%图片大小X = ;% 声明for i = 0:peopleNum -1 for j = 1:photoNum % photoName：照片名 photoName = strcat(dirName,num2str(i),num2str(j),.jpg); % 以矩阵形式读入文件 photo = imread(photoName); % 生成列矩阵 photoMatrix = reshape(photo,LONGTH,1); photoMatrix = double(photoMatrix); % 存储列矩阵 X = X,photoMatrix; endend%清除无用变量clear photoName photo photoMatrix;averX = mean(X);%求均值averX = repmat(averX,LONGTH,1);%矩阵扩展X = X - averX;%每行减去均值clear averX;V,E = eig(X * X);%求特征向量W = X * V;%求特征矩阵W程序2功能：加载text文件函数function TestMatrix = TestImgLoad(photoName);LONGTH = 112 * 92;%图片大小photo = imread(photoName);TestMatrix = reshape(photo,LONGTH,1);TestMatrix = double(TestMatrix);程序3 功能: 求距离function D = getDistance(X,Y);D = X - Y;D = D * D;程序4功能: 求最小距离(即最匹配)function I = getMinIndex(Y,Ytest);D = ;for i = 1 : 100 d = getDistance(Y(:,i),Ytest); D = D,d;endx I = min(D);程序5主程序%样本存放目录IMGDIR = D:xiangcetrainnumstr;%待测文件名（含目录）TESTFILE = D:xiangcetest1.jpg;%加载样本图片并处理X,W = ImgLoad(IMGDIR,10,10);%获得样本数据库Y = W * X;%加载待测数据Xtest = TestImgLoad(TESTFILE);%获得待测图像特征向量Ytest = W * Xtest;%对比并获得最相近的标号Index = getMinIndex(Y,Ytest);clear Y Ytest W X Xtest;%获取图像位置i = mod(Index,10);if i = 0 i = 10;endj = (Index - i)/10;%获取匹配文件名（含目录）name = strcat(IMGDIR,num2str(j),num2str(i),.jpg);clear i j Index;%显示图像subplot(1,2,1);imshow(TESTFILE);title(样本图像);subplot(1,2,2);imshow(name);title(最佳匹配图像);clear;四、程序运行实例 五、参考文献【1】、 边肇祺，张学工.模式识别（第二版）M.北京：清华大学出版社，2000，223226。 【2】、章毓晋.图像处理和分析技术（第二版）.高等教育出版社.【3】、Matlab编程.科学出版社.小结感言：基于PCA方法，通过计算输入图像和训练集图像