Question

matlab中PCA的人脸识别，最后得出的识别率是什么意思啊！

http://www.ilovematlab.cn/thread-235440-1-1.html
这个代码最后得出一个识别率。也没有得出识别为哪张图片了？那识别的意义在什么呢？

Answer 1

1. 识别率指的是通过人脸识别技术识别正确数占识别总数的百分比。

2. 人脸识别算法分类

   基于人脸特征点的识别算法（Feature-based recognition algorithms）。

   基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。

   基于模板的识别算法（Template-based recognition algorithms）。

   利用神经网络进行识别的算法（Recognition algorithms using neural network）。

   神经网络识别

   基于光照估计模型理论

   提出了基于Gamma灰度矫正的光照预处理方法,并且在光照估计模型的基础上，进行相应的光照补偿和光照平衡策略。

   优化的形变统计校正理论

   基于统计形变的校正理论，优化人脸姿态；

   强化迭代理论

   强化迭代理论是对DLFA人脸检测算法的有效扩展；

   独创的实时特征识别理论

   该理论侧重于人脸实时数据的中间值处理，从而可以在识别速率和识别效能之间，达到最佳的匹配效果

Answer 2

人脸库包括一部分人脸样本 一部分非人脸样本
识别率就是 程序识别正确的样本数量/训练集的样本总数
程序识别正确的样本数量包括 样本是非人脸实际检测也是费人脸和样本是人脸实际检测也是人脸两部分。
PCA人脸识别一般是做为人脸检测的第二部分，所采用的训练样本一般也都是归一好的同等尺寸的图像（如20*20,50*50,100*100等）。并不是说随便一张照片。

而对实际照片进行人脸检测的时候，一般采用一些办法（如肤色分割）从原始图像中切出部分侯选块作为下一步检测（如PCA）的数据。

追问

如何做到判定分类的准确与否的呢？

追答

你想问PCA是如何实现的还是什么？每太明白你像问什么

追问

就是人脸识别的工作原理，及应用方向。
大哥，273042429交流一下呗。

Answer 3

%一个修改后的PCA进行人脸识别的Matlab代码
% calc xmean,sigma and its eigen decomposition
allsamples=[];%所有训练图像
for i=1:40
for j=1:5
a=imread(strcat('D:\rawdata\ORL\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=1:200 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;
sigma=xmean*xmean'; % M * M 阶矩阵
[v d]=eig(sigma);
d1=diag(d);
[d2 index]=sort(d1); %以升序排序
cols=size(v,2);% 特征向量矩阵的列数
for i=1:cols
vsort(:,i) = v(:,index(cols-i+1) ); % vsort 是一个M*col(注:col一般等于M)阶矩阵,保存的是按降序排列的特征向量,每一列构成一个特征向量
dsort(i) = d1( index(cols-i+1) ); % dsort 保存的是按降序排列的特征值,是一维行向量
end %完成降序排列
%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
while (i0)
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,详见《基于PCA的人脸识别算法研究》p31
i = i + 1;
end
% add by wolfsky 就是下面两行代码,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;
accu = 0;
%
for i=1:40
for j=6:10 %读入40 x 5 副测试图像
a=imread(strcat('D:\rawdata\ORL\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=1:200
mdist(k)=norm(tcoor-allcoor(k,:));
end;
%三阶近邻
[dist,index2]=sort(mdist);
class1=floor( index2(1)/5 )+1;
class2=floor(index2(2)/5)+1;
class3=floor(index2(3)/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;
end;
accuracy=accu/200 %输出识别率
函数调用是定义函数,然后用函数名进行调用就可以了