基于主成分分析(PCA)的人脸识别算法由于其识别率高,算法技术成熟越来越多的被用做人脸识别技术的研究.本文首先讲解了人脸识别前的图像预处理,然后介绍基于主成分分析(PCA)算法的主要步骤,最后根据实际实验经验,提出了一些关于提高人脸识别精度的建议.本文设计的人脸识别系统依托于MATLAB仿真软件,首先采集环境中人脸图像,并通过人脸检测与定位提取出人脸区域,然后对人脸图像进行预处理提高识别率,接着对人脸库进行主成分分析计算出特征脸值,提取出特征信息,最后计算出被识别人脸图像与特征脸之间的距离,与设定的识别阀值进行比较,如果高于识别阀值则认为被识别人脸为系统注册用户,否则为非注册人员.
function outimg = QrGen(doctext, width, height)
if nargin < 3
height = 400;
end
if nargin < 2
width = 400;
end
if nargin < 1
doctext = 'hello';
end
if ~ischar(doctext)
str = '';
for i = 1 : length(doctext)
str = sprintf('%s %.1f', str, doctext(i));
end
doctext = str;
end
zxingpath = fullfile(fileparts(mfilename('fullpath')), 'zxing_encrypt.jar');
c = onCleanup(@()javarmpath(zxingpath));
javaaddpath(zxingpath);
writer = com.google.zxing.MultiFormatWriter();
bitmtx = writer.encode(doctext, com.google.zxing.BarcodeFormat.QR_CODE, ...
width, height);
outimg = char(bitmtx);
clear bitmtx writer
outimg(outimg==10) = [];
outimg = reshape(outimg(1:2:end), width, height)';
outimg(outimg~='X') = 1;
outimg(outimg=='X') = 0;
outimg = double(outimg);
[1]赵来元, 高鸿彬, and 李媛. "基于主成分分析(PCA)的人脸识别算法研究." 电子世界 2(2017):2.
部分理论引用网络文献,若有侵权联系博主删除。
见博客主页