在好例子网，分享、交流、成长！
您当前所在位置：首页 → Others 开发实例 → 一般编程问题 → 人脸识别经典算法PCA和2DPCA 的matlab版

人脸识别经典算法PCA和2DPCA 的matlab版

一般编程问题

下载此实例
  • 开发语言：Others
  • 实例大小：22.34M
  • 下载次数：9
  • 浏览次数：93
  • 发布时间：2020-08-29
  • 实例类别：一般编程问题
  • 发 布 人：robot666
  • 文件格式：.zip
  • 所需积分：2
 
网友评论 举报投诉 收藏该页

实例介绍

【实例简介】
此程序包含经典PCA以及2DPCA算法的MATLAB程序，以及在ORL人脸数据库中的人脸识别应用，分类识别算法采用的是SVM。 PCA最高识别率为85% 2DPCA为91% 程序中涉及到一些图片路径的修改，请注意自己修改。 部分重要程序有xxx以及TDxxx两份，分别对应于PCA以及2DPCA程序的使用。 主要识别能力有：单张人脸的类别的识别，全体人脸的识别率的计算，单张人脸的图像近似重构。 特别注意：在test之前一定要先train一下哦： 比如： TDtrain(40,5,5); TDtest
【实例截图】
【核心代码】
PCAAND2DPCA
└── PCA&2DPCA
├── approx.m
├── classify.asv
├── classify.m
├── Data
│   └── ORL
│   ├── s1
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s10
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s11
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s12
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s13
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s14
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s15
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s16
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s17
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s18
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s19
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s2
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s20
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s21
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s22
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s23
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s24
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s25
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s26
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s27
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s28
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s29
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s3
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s30
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s31
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s32
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s33
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s34
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s35
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s36
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s37
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s38
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s39
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s4
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s40
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s5
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s6
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s7
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   ├── s8
│   │   ├── 10.pgm
│   │   ├── 1.pgm
│   │   ├── 2.pgm
│   │   ├── 3.pgm
│   │   ├── 4.pgm
│   │   ├── 5.pgm
│   │   ├── 6.pgm
│   │   ├── 7.pgm
│   │   ├── 8.pgm
│   │   └── 9.pgm
│   └── s9
│   ├── 10.pgm
│   ├── 1.pgm
│   ├── 2.pgm
│   ├── 3.pgm
│   ├── 4.pgm
│   ├── 5.pgm
│   ├── 6.pgm
│   ├── 7.pgm
│   ├── 8.pgm
│   └── 9.pgm
├── displayImage.m
├── exportData4GridPy.m
├── GUIOpenFaceImage.m
├── GUI.png
├── GUIRecgFaceImage.m
├── kfun_rbf.m
├── MainGUI.m
├── Mat
│   ├── class.mat
│   ├── FaceMat.mat
│   ├── fastPCA.mat
│   ├── LowDimFaces.mat
│   ├── multiSVMparams.mat
│   ├── params.mat
│   ├── scaling.mat
│   ├── TDPCA3.mat
│   ├── TDPCA5.mat
│   ├── TDTestFaces.mat
│   ├── TDtrainDataGrid_Py5.mat
│   ├── TDtrainDataGrid_Py.mat
│   └── trainDataGrid_Py.mat
├── menucall.m
├── menucallPCA.m
├── multiSVMClassify.m
├── multiSVMTrain.m
├── myPCA.m
├── ReadAFace.m
├── ReadFaces.m
├── reBuildTest.m
├── scaling.m
├── TDapprox.m
├── TDPCA.asv
├── TDPCA.m
├── TDPCA人脸重构50个主成分.bmp
├── TDPCA人脸重构80个主成分.bmp
├── TDPCA人脸重构92个主成分.bmp
├── TDPCA最高一次识别率91.png
├── TDPCA识别率变化图.bmp
├── TDSortem.m
├── TDtest.m
├── TDtrain.m
├── test.m
├── train.m
├── visualizeMainFaces.m
└── 使用前看我.txt

44 directories, 447 files

标签：

实例下载地址

人脸识别经典算法PCA和2DPCA 的matlab版

不能下载？内容有错？ 点击这里报错 + 投诉 + 提问

好例子网口号：伸出你的我的手 — 分享！

相关软件

相关文章

网友评论

我要评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警