【人脸识别】基于matlab GUI PCA人脸识别【含Matlab源码 748期】

一、简介

1 PCA-SVM原理
1.1 主成分分析PCA
本文处理的所有原始图片都是112x 92大小的pgm格式图片，每幅图片包含10304个像素点，每一行代表一个样本，维数就是10304维。维数过大使得数据处理工作十分复杂，同时，图片特征之间的强相关性还会导致“维数灾难”。快速高效的人脸识别，其关键在于提取到精准表征人脸的特征。从人脸图像中找出最能表征人脸的特征空间，是主成分分析(Principal Component Analysis， PC A) [2] 在人脸特征提取中的基本思想。在这个过程中，不能表征人脸的属性会被剔除(降维的过程)，也就是在一个高维特征空间中利用一组系数对特征加权，来重新表示一张人脸图片。PCA过程的数学描述如下：

1.2 支持向量机SVM
给定训练集，在特征空间上找到一个分类超平面，将样本点分到不同的类。存在唯一的分类超平面，使得样本点距离分类超平面的距离最大。其中，距离超平面最近的点为该超平面的支持向量。找到该超平面后，对于待测点，通过计算该点相对于超平面的位置进行分类。其中，一个点距离分类超平面的距离越大，表明分类预测的确信程度越高。
支持向量机(Support Vector Machine， SVM) 需要做的就是找出一个超平面，使得在两类样本点能完全分离的情况下，尽可能使样本边界的距离最大。

SVM是一个两类分类器，而大多数实际分类问题都是多类分类问题，那么就需要利用SVM这个二分类器去实现一个多类问题的分类。本文人脸识别程序中，采用的是一对一的投票策略，即在任意两类样本之间设计一个SVM分类器，分类为得票最多的类。

2 MATLAB工具软件
本文通过MATLAB工具软件，对PC A-SVM人脸识别方法进行仿真计算。MATLAB人脸识别程序的使用界面上分为三个按钮：“测试准确率”“选择照片”和“图像匹配”，既可以方便操作，又可以使识别结果直观地显示出来。点击“开始运行”按钮调用的是主函数face.m，对人脸数据进行处理；点击“选择照片”按钮调用子函数GUl open，用户可以在相应的文件路径下选择人脸照片；点击“人脸识别”按钮调用子函数GUI reg，通过每张图片所对应的标签来进行匹配，从而得出识别结果。

3 PCA-SⅤM人脸识别模型的建立
3.1人脸库构建
人脸识别模型的建立首先需要适当的人脸库。本文分两步构建人脸库。
(1) 选择OR L人脸数据库加入本文人脸库，其中包含40个人的每人10张人脸图片，一共400张图片，每张大小是112×92像素，图片格式是pgm。
(2) 作者利用电脑摄像头拍了10张本人的照片，将这10张图片的格式转化为pgm格式，同时大小也转化为112×92像素，加入本文人脸库。
3.2训练集数据处理
这里将每个人的前5张人脸图片作为训练集，后5张人脸图片作为测试集。训练集数据处理步骤如下：
(1) 读入训练集数据，储存在矩阵f_matrix(205*10304) 中。
(2) 对训练集数据进行PC A降维，本文选择的降维维数是100。
(3)规范化特征数据，将同一个样本中的不同维度归一化，从而对于不同的属性之间也可以进行比较。
这里特别增加了一个显示特征脸的步骤。由于数据降至100维，在低维空间中的基就是100张特征脸，其他所有经过降维的脸都可以通过这100张特征脸线性表示。图1显示了前10个特征脸。

图1 特征脸显示
3.3 参数选择
在PCA-SVM人脸识别模型建立中，参数取值如下：
(1) n persons：样本包含41个人的人脸，将n persons设置为41。
(2)flag：flag为0时子函数ReadFace.m读取训练样本数据， flag为1时读取测试样本数据。
(3) k：表示降维至k维。该参数在子函数fast PC A.m中以输入参数出现，在后面的SVM训练中也有用处。k值与gamma值有很大关联，这里经过反复调整将k设置为100。
(4) low vec：经过降维后的图像数据pc a face的最小值，通过设置low new，即新的边界的下限，对数据进行归一化处理。
(5) up vec：经过降维后的图像数据pc a face的最大值，通过设置up new，即新的边界的上限，对数据进行归一化处理。
(6)核函数：本文选择的是高斯核函数。
(7) gamma：参数gamma是选择高斯核函数RBF作为核函数后该函数自带的一个参数。它隐含地决定了数据映射到新的特征空间后的分布。gamma越大，支持向量越少，反之支持向量越多。支持向量的个数直接影响到训练与预测的速度。gamma如果设置得很大，会使得高斯分布显得高而窄，只作用于支持向量样本附近，对于未知样本的分类效果很差，最终会导致训练准确率很高，而识别准确率很低的结果，即过拟合。而gamma设置过小，则会造成平滑效应过大，对于噪声不敏感。本文设置参数gamma时，在10-3~103的范围依次尝试，最终设置为0.01。
(8)c：参数c可以理解为惩罚参数，类似于正则化中一的作用。c越大，意味着拟合非线性的能力越强，但是容易入出现过拟合的情况，而c过小会导致出现欠拟合的情况，总而言之，c过大或者过小，泛化能力都会变差。本文设置参数c为1。

4 PCA-SⅤＭ人脸识别模型的测试
测试时，首先读取测试数据，类似于处理训练数据，需要对测试数据进行降维和归一化处理，然后利用训练所得的模型对测试数据集进行分类识别。将识别结果与本身自带的标签(即这是第几个人的人脸图片)进行比对，可以获得识别准确率。测试结果表明，基于PCA-SVM的人脸识别方法准确率为83.9024%。这里选取第8个人的人脸图片作为示例，可以看到在最终的人脸识别阶段可以准确地进行人脸识别。
备注：简介部分仅作为理论参考，与本文程序和运行结果略有出入。

二、源代码

function varargout = FaceRecognitionDemo(varargin)
% FACERECOGNITIONDEMO M-file for FaceRecognitionDemo.fig
%      FACERECOGNITIONDEMO, by itself, creates a new FACERECOGNITIONDEMO or raises the existing
%      singleton*.
%
%      H = FACERECOGNITIONDEMO returns the handle to a new FACERECOGNITIONDEMO or the handle to
%      the existing singleton*.
%
%      FACERECOGNITIONDEMO('CALLBACK',hObject,eventData,handles,...) calls the local
%      function named CALLBACK in FACERECOGNITIONDEMO.M with the given input arguments.
%
%      FACERECOGNITIONDEMO('Property','Value',...) creates a new FACERECOGNITIONDEMO or raises the
%      existing singleton*.  Starting from the left, property value pairs are
%      applied to the GUI before FaceRecognitionDemo_OpeningFcn gets called.  An
%      unrecognized property name or invalid value makes property application
%      stop.  All inputs are passed to FaceRecognitionDemo_OpeningFcn via varargin.
%
%      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
%      instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES% Edit the above text to modify the response to help FaceRecognitionDemo% Last Modified by GUIDE v2.5 16-Mar-2015 21:04:37% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',       mfilename, ...'gui_Singleton',  gui_Singleton, ...'gui_OpeningFcn', @FaceRecognitionDemo_OpeningFcn, ...'gui_OutputFcn',  @FaceRecognitionDemo_OutputFcn, ...'gui_LayoutFcn',  [] , ...'gui_Callback',   []);
if nargin && ischar(varargin{1})gui_State.gui_Callback = str2func(varargin{1});
endif nargout[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
elsegui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT% --- Executes just before FaceRecognitionDemo is made visible.
function FaceRecognitionDemo_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
% varargin   command line arguments to FaceRecognitionDemo (see VARARGIN)% Choose default command line output for FaceRecognitionDemo
handles.output = hObject;% Update handles structure
guidata(hObject, handles);% UIWAIT makes FaceRecognitionDemo wait for user response (see UIRESUME)
% uiwait(handles.figure1);% --- Outputs from this function are returned to the command line.
function varargout = FaceRecognitionDemo_OutputFcn(hObject, eventdata, handles)
% varargout  cell array for returning output args (see VARARGOUT);
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)% Get default command line output from handles structure
varargout{1} = handles.output;% --- Executes on button press in selectPCA.
function selectPCA_Callback(hObject, eventdata, handles)
% hObject    handle to selectPCA (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
set(handles.selectPCA,'value',1);
% Hint: get(hObject,'Value') returns toggle state of selectPCA% --- Executes on button press in clickBeginSim.
function clickBeginSim_Callback(hObject, eventdata, handles)
% hObject    handle to clickBeginSim (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
if get(handles.selectPCA,'value')gMetholdSelect=1;
endif get(handles.selectSinglaImageRec,'value')gOneImgOrRate=1;
end
if get(handles.selectRecogRate,'value')gOneImgOrRate=2;
endgTrainNum = str2double(get(handles.inputTrainNum,'string'));
if gTrainNum<=0 || gTrainNum>10disp('error!');
end
%% face detect
if gOneImgOrRate == 1%检测单幅图片%if gMetholdSelect==1%pic = double(handles.pic);testImgData=reshape(pic,size(pic,1)*size(pic,2),1);trainPcaData = handles.trainPcaData;ImageIndex = recognizeSingleImgPCA(trainPcaData,testImgData);RealIndex = ceil(ImageIndex/gTrainNum);endpath = strcat('att_faces\s',num2str(RealIndex));matchImg=imread(strcat(path,'\',num2str(2),'.pgm'));axes(handles.axes2);imshow(matchImg);title('从人脸库中匹配出的人脸图像');
endif gOneImgOrRate == 2%计算识别概率if gMetholdSelect == 1processPCARecognizeRate(handles);end
end
% --- Executes on button press in selectRecogRate.
function selectRecogRate_Callback(hObject, eventdata, handles)
% hObject    handle to selectRecogRate (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
set(handles.selectSinglaImageRec,'value',0);
set(handles.selectRecogRate,'value',1);
set(handles.inputTrainNum,'Enable','off');
set(handles.buttonTrainSamples,'Enable','off');
set(handles.buttonSelectImg,'Enable','off');
% Hint: get(hObject,'Value') returns toggle state of selectRecogRate% --- Executes on button press in selectSinglaImageRec.
function selectSinglaImageRec_Callback(hObject, eventdata, handles)
% hObject    handle to selectSinglaImageRec (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
set(handles.selectSinglaImageRec,'value',1);
set(handles.selectRecogRate,'value',0);set(handles.inputTrainNum,'Enable','on');
set(handles.buttonTrainSamples,'Enable','on');
set(handles.buttonSelectImg,'Enable','on');
% Hint: get(hObject,'Value') returns toggle state of selectSinglaImageRecfunction inputTrainNum_Callback(hObject, eventdata, handles)
% hObject    handle to inputTrainNum (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)% Hints: get(hObject,'String') returns contents of inputTrainNum as text
%        str2double(get(hObject,'String')) returns contents of inputTrainNum as a double% --- Executes during object creation, after setting all properties.
function inputTrainNum_CreateFcn(hObject, eventdata, handles)
% hObject    handle to inputTrainNum (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    empty - handles not created until after all CreateFcns called% Hint: edit controls usually have a white background on Windows.
%       See ISPC and COMPUTER.
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))set(hObject,'BackgroundColor','white');
end% --- Executes on button press in buttonSelectImg.
function buttonSelectImg_Callback(hObject, eventdata, handles)
% hObject    handle to buttonSelectImg (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
%打开文件对话框
[filename,pathname]=uigetfile({  '*.*','All Files(*.*)';}, '选择文件');
if isequal([filename,pathname],[0,0])return
else%读取图片picPath = fullfile(pathname,filename);pic = imread(picPath);handles.pic = pic;
end

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.
[5]孟逸凡,柳益君.基于PCA-SVM的人脸识别方法研究[J].科技视界. 2021,(07)
[6]张娜,刘坤,韩美林,陈晨.一种基于PCA和LDA融合的人脸识别算法研究[J].电子测量技术. 2020,43(13)
[7]陈艳.基于BP神经网络的人脸识别方法分析[J].信息与电脑(理论版). 2020,32(23)
[8]戴骊融,陈万米,郭盛.基于肤色模型和SURF算法的人脸识别研究[J].工业控制计算机. 2014,27(02)