本设计为基于matlab的人脸识别系统，可读取ORL或者YALE人脸库或者自己的人脸，采用的方法可以通过下拉框形式切换成PCA,KPCA,LDA,K-L,BP神经网络多种方式，计算识别率，也可以调用笔记本自带摄像头进行识别。具备一个人机交互式GUI界面，界面友好，识别准确，同时配备相对应的操作说明和运行效果图，直接运行GUI文件即可完美运行。另外，诸如车牌，指纹识别，图象去雾，压缩，水印，疲劳检测，人数统计，声音信号处理等均可做技术交琉，欢迎一起探讨。

上传的这三个代码，是基于MATLAB软件上操作的，在人脸识别上有较好的识别率，推荐这三个代码

【人脸识别】基于PCA+LDA实现人脸识别matlab 源码.md

这实现了在华宇和杨洁《一种针对高维数据的直接LDA算法—— 应用于人脸识别” 阅读。 它很短。 基本上我们这里有 LDA（线性判别分析），直接 LDA，它可以做 LDA 但更好（基本上当你的类内散布矩阵 Sw 是奇异的时，它不会丢弃 Sw 的零空间，它包含大部分判别信息）和 PCA+LDA，它对数据进行 PCA，然后对降维数据进行 LDA。 这里还有一个使用特征分解的 PCA（主成分分析）和另一个使用 SVD 的实现。 输入 X : nt xn 其中 nt 个大小为 n 的特征向量示例y : 类别标签大小为 nt 的向量例如： X = [2 3 4 2; 8 2 3 4; 3 9 2 3; 8 4 2 3; 9 9 2 8]； y = [3; 2; 4; 3; 2]; k ：我们最终想要的特征数量 方法：pcalda 或 directlda 如果method = directlda

讲LDA-PCA两种算法的融合好处，增加了效率和准确率！

MATLAB基于PCA-LDA模糊神经网络的人脸识别

人脸识别是利用计算机对人脸图像进行处理、分析，从中提取人脸图像的识别信息，进行人脸鉴别的一门技术。其中特征提取是人脸识别中的最关键的技术，我们主要运用主成分分析(PCA)算法对图像的主成分进行分析提取，然后用每人10张人脸图像的5张作为训练样本，运用LDA算法寻找最佳的投影向量进行投影，使得类间的差异尽可能的大类内的差异尽可能的小，从而能够更好地利用K-means算法进行分类，我已选的5张训练样本的平均作为K-means聚类起点，达到快速准确的进行人脸的辨别分类工作。

本设计为基于matlab的人脸识别系统，可读取ORL或者YALE人脸库或者自己的人脸，采用的方法可以通过下拉框形式切换成PCA,KPCA,LDA,K-L,BP神经网络多种方式，计算识别率，也可以调用笔记本自带摄像头进行识别。具备一个人机交互式GUI界面，界面友好，识别准确，同时配备相对应的操作说明和运行效果图，直接运行GUI文件即可完美运行。另外，诸如车牌，指纹识别，图象去雾，压缩，水印，疲劳检测，人数统计，声音信号处理等均可做技术交琉，欢迎一起探讨。

融合PCA、LDA和SVM算法的人脸识别.pdf

一种改进的PCA+LDA人脸识别算法.pdf