%PCA PRINCIPLE COMPONENTS ANALYSIS
% X是n1*n2的，n1是变量个数，n2是样本数
% 返回值p是转换坐标系 N说明投影到N个坐标系上
% p*X 才是投影结果
% Performing principal components analysis on the N1-by-N2 real-valued
% data matrix X, where N1 and N2 are the number of features (N1 变量个数)
% and observations (N2 采样个数), respectively.
2021-10-27 17:40:39
2KB
1
基于MATLAB平台的PCA的人脸识别系统，可识别ORL和YALE人脸库，方法实现统一，包括GUI界面。另外可二次开发成摄像头的实时人脸系统，识别出库外人脸，可做成门禁系统，考勤系统，打卡签到系统。实现登记出勤，报警等。
含论文，详细注释。
2021-08-25 17:05:33
1.51MB
1
特征脸代码matlab
PCA_faces
在
Matlab
中使用
PCA
进行人脸识别。
有关
的理论，请参阅维基百科。
主要出发点：
PCA_debug.m
-
启用所有调试的最简单的脚本，从这里开始。
PCA_training_set_size.m
-
创建准确度如何取决于训练集大小的图表。
PCA_principal_components.m
-
创建一个图表，准确度如何取决于主成分的数量。
PCA_predict.m
-
用户提供的图像的预测类。
训练集文件必须命名为f__.jpg
，例如f_1_01.jpg或f_13_10.jpg
。
所有类必须有相同数量的训练图像。
班级=当然是人。
所有函数都包含大段调试代码，通常在未设置全局变量debug时停用。
您可以忽略这些，或者仅在调用要调试的函数之前通过设置debug
=
1来使用它们。
我还没有弄清楚如何将这段代码移到函数之外，因为它经常使用内部变量。
我使用基于
OpenCV
的图像预处理（脚本提供了很好的起点，感谢
Yuri！）。
不过，它似乎没有太大区别，非预处理图像实现了更高的准
2021-07-23 15:17:48
8KB
1