SVM分类器-人脸识别专题报告.docx

SVM分类器-人脸识别专题报告
摘要：本次试验报告，介绍了人脸识别方法分类器的设计并进行人脸识别。主要是设计SVM分类器，并用来进行人脸分类识别，并对分类器实验结果做出分析。实验主要步骤：首先对图像预处理，转换成向量，再通过PCA算法对Ot中保存。然后设置测试样本集，将40个人后5张图片作为测试样本，进行选取识别。
实验流程图如下：
开始训练：
整个训练过程，包括读入图像，PCA降维，以及多类SVM训练，实现的关键代码如下：
display('读入人脸数据...');
[imgRow,imgCol,FaceContainer,faceLabel]=ReadFaces(nFacesPerPerson,nPerson);
display('PCA降维...');
[pcaFaces,W]=fastPCA(FaceContainer,20);%主成分分析PCA
%pcaFaces是200*20的矩阵，每一行代表一张主成分脸(共40人，每人5张)，每个脸20个维特征
%数据规格化
display('Scaling...');
[X,A0,B0]=scaling(X);
训练完毕后，将数据保存。
开始识别：
打开一张图片(每个人的后5张中选择)，然后对该图片进行PCA变换降维，特征提取、规格化，从保存的训练数据库中读取数据，通过SVM分类器识别该测试样本的类别，并显示该图片对应人的第一张图片和类别。主要代码如下：
%读入相关训练结果
display('载入训练参数...');
load('Mat/');
xNewFace=ReadAFace(newFacePath);%读入一个测试样本
xNewFace=double(xNewFace);
xNewFace=(xNewFace-meanVec)*V;%经过pea变换降维
xNewFace=scaling(xNewFace,1,A0,B0);
xNewFace=ReadAFace(newFacePath);%读入一个测试样本
xNewFace=double(xNewFace);
xNewFace=(xNewFace-meanVec)*V;%经过pea变换降维xNewFace=scaling(xNewFace,1,A0,B0);
最后进行测试：
测试是指分类所有的测试样本(40个人的后50张图像，共200个样本)，并计算识别率。主要实现代码如下：
nFacesPerPerson=5;
nPerson=40;
bTest=1;
%读入测试集合
display('读入测试集合...');
[imgRow,imgCol,TestFace,testLabel]=ReadFaces(nFacesPerPerson,nPerson,bTest);
%读入相关训练结果
display('载入训练参数...');
load('Mat/');load('Mat/');load('Mat/');load('Mat/');
%PCA降维
display('PCA降维处理...');
[mn]=size(TestFace);
Tes