1 简介

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.​

2 部分代码

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);

3 仿真结果

4 参考文献

[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。

5 MATLAB代码与数据下载地址

见博客主页