matlab kfda,SVD与KFDA相结合人脸识别-matlab-毕业论文
XXXXxx毕业设计(论文)
最高达到88%。当在抽取的特征维数为39,PCA空间的投影维数为110的情况下,随着训练样本个数的增加,LDA的识别情况如表4所示
表4 ORL人脸库LDA测试结果(2)
训练样本数 识别率/% 识别时间/S
3 68.2 52.359
4 87.92 31.531
5 88.00 30.969
6 96.88 32.437
7 95.83 33.578
8 96.25 34.734
在ORL人脸库每类训练样本取5,对应的测试样本分别取5,利用PCA方法进行识别。在不同的特征维数下的识别率如表5所示。在不同的训练样本数,取前90%的特征值的情况下,PCA的识别情况如表6所示
表5 ORL人脸库PCA测试结果(1)
特征维数 识别率/% 识别时间/S
6 74.50 9.594
9 84.00 9.797
17 83.50 9.578
33 88.50 10.109
47 88.50 10.094
71 88.50 11.094
135 89.50 11.890
表6 ORL人脸库PCA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 80.00 3.500
3 84.64 5.235
4 87.50 7.516
5 88.50 11.094
6 95.63 13.907
7 96.67 18.359
8 96.25 22.438
表7所示的数据是在ORL人脸库中每类训练样本取5,对应的测试样本分别取5,用SVD与LDA相结合的方法进行识别,识别过程中样本先通过 奇异值分解,提取奇异值矩阵左上角m*m部分,实验中m=10,然后再经LDA进行二次特征提取进行识别。表8 是在m=10,特征维数为39时,不同训练样本下的识别情况。
表7 ORL人脸库SVD+LDA测试结果(1)
特征维数 识别率/% 识别时间/S
5 72.50 3.078
10 81.50 3.078
15 87.50 3.125
20 90.50 3.062
25 90.50 3.172
30 92.00 3.141
39 93.00 3.157
表8 ORL人脸库SVD+LDA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 44.37 3.531
3 53.57 3.516
4 87.50 3.156
5 93.00 3.110
6 95.00 3.156
7 95.83 3.078
8 98.75 3.078
表9为ORL人脸库中,每类训练样本为5,KFDA方法的识别情况,实验中核函数选用高斯核函数,options.t=4500。表10是当特征维数为39不变时,不同训练样本下KFDA的识别情况。
表9 ORL人脸库KFDA测试结果(1)
特征维数 识别率/% 识别时间/S
5 50.50 4.016
10 65.00 3.953
15 63.00 3.938
14
20 63.50 3.922
25 63.50 4.015
30 63.50 3.984
39 93.00 4.765
XXXXxx毕业设计(论文)
表10 ORL人脸库KFDA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 86.88 3.000
3 89.64 3.125
4 92.92 3.625
5 93.00 3.969
6 95.63 4.282
7 97.50 4.578
8 98.75 5.296
表11是本文提出的SVD与KFDA相结合的方法在ORL人脸库上的实验 结果,实验过程中,样本先经奇异值分解,提取奇异值矩阵左上角m*m区域的量作为KFDA的输入空间,m=10,KFDA提取最终判别特征,提取不同的特征个数时的识别情况如表11所示。表12是在提取的特征维数为39,m=10时,不同训练样本下和识别耳情况。
表11 ORL人脸库SVD+KFDA测试结果(1)
特征维数 识别率/% 识别时间/S
5 66.50 3.187
10 83.00 3.188
15 91.00 3.234
20 94.00 3.265
25 96.00 3.234
30 97.00 3.296
39 96.00 3.281
表12 ORL人脸库SVD+KFDA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 88.12 3.125
3 91.79 3.093
4 95.00 3.204
5 96.00 3.281
6 95.63 3.282
7 95.83 3.359
8 96.25 3.438
3.2 CAS-PEAL人脸库实验
CAS-PEAL人脸库是专门为研究亚洲人脸识别而设计的数据 库,库中包含了1040名中国人共99450幅头肩部图像,所有图像 在专门的采集环境中采集,涵盖了姿态、表情、饰物、和光照4种主要变化条件,部分人脸图具有背景、距离和时间 跨度的变化,该库识别难度较大,现有方法在该库识别率均不理想。文 中实验选取 其中一个子库,由50个不同的中国人,每人9幅图像 组成,光照的变化 较大,每幅图像 大小 为120*96。实验数据库部分人脸图像 如图2所示
图2 CAS-PEAL部分人脸图像
表13 CAS-PEAL人脸库SVD测试结果(1)
特征维数 识别率/% 识别时间/S
36 38.50 3.266
81 36.50 3.438
121 40.50 3.531
169 42.50 3.593
225 43.00 3.703
400 44.00 4.969
900 47.00 4.483
15
XXXXxx毕业设计(论文)
表14 CAS-PEAL人脸库SVD测试结果(2)
训练样本数 识别率/% 识别时间/S
2 37.71 3.766
3 37.67 3.922
4 43.20 3.938
5 44.00 4.015
6 49.33 3.906
7 66.00 3.766
表13和表14是SVD方法在CAS-PEAL库中的实验结果。表13是在每类训练样本数为5,测试样本为4,抽取不同特征维数时的识别结果 。表14是在抽取的特征维数为400时,不同的训练样本下的结果 。相对于ORL库,SVD在CAS-PEAL库的识别率不理想。
表15 CAS-PEAL人脸库LDA测试结果(1)
特征维数 识别率/% 识别时间/S
10 50.00 18.875
20 57.00 26.141
30 65.00 34.203
35 68.00 36.515
40 67.50 39.547
45 68.50 77.125
49 67.00 82.531
表16 CAS-PEAL人脸库LDA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 29.43 66.297
3 40.33 73.969
4 55.60 75.703
5 68.50 77.125
6 70.00 78.454
7 74.00 80.125
表15和表16是LDA方法在CAS-PEAL库中的实验结果。样本先通过PCA降维,再进行LDA。实验中PCA降维后的维数为110。表15是在每类训练样本数为5,测试样本为4,抽取不同特征维数时的识别结果 。表16是在抽取的特征维数为45时,不同的训练样本下的结果 。
表17 CAS-PEAL人脸库PCA测试结果(1)
特征维数 识别率/% 识别时间/S
10 28.50 15.859
20 43.00 15.813
30 47.00 16.125
40 48.00 16.172
50 50.00 16.203
60 51.50 16.610
191 55.50 19.672
表18 CAS-PEAL人脸库PCA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 45.43 5.219
3 47.33 8.062
4 49.60 11.937
5 50.00 16.203
6 57.33 22.843
7 75.00 30.140
表17和表18是PCA方法在CAS-PEAL库中的实验结果。表17是在每类训练样本数为5,测试样本为4,抽取不同特征维数时的识别结果 。表18是在抽取的特征维数为60时,不同的训练样本下的结果 。
表19 CAS-PEAL人脸库SVD+LDA测试结果(1)
特征维数 识别率/% 识别时间/S
10 55.00 3.719
20 72.00 3.750
30 77.50 3.765
35 81.50 3.719
40 80.00 3.860
45 79.5 3.781
49 80.00 3.828
16
XXXXxx毕业设计(论文)
表20 CAS-PEAL人脸库SVD+LDA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 18.86 4.203
3 29.00 4.188
4 70.00 3.735
5 81.50 3.719
6 84.00 3.766
7 91.00 3.843
表19和表20是SVD+LDA方法在CAS-PEAL库中的实验结果。每类训练样本数为5,测试样本为4,样本先通过奇异值分解,抽取奇异值矩阵左上角m*m区域的值构成LDA的输入空间,实验中m=10。改变LDA过程中提取的身影矢量个数,识别结果 如表19所示抽取不同特征维数时的识别结果 。表20是在抽取的特征维数为35时,不同的训练样本下的结果 。
表21 CAS-PEAL人脸库KFDA测试结果(1)
特征维数 识别率/% 识别时间/S
10 44.00 5.110
20 66.00 5.078
30 74.00 5.215
35 74.00 5.219
40 78.00 5.156
45 83.00 5.157
49 84.00 5.141
表22 CAS-PEAL人脸库KFDA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 58.00 3.766
3 64.33 4.141
4 83.20 4.687
5 84.00 5.141
6 84.00 5.730
7 94.00 6.047
表21和表22是KFDA方法在CAS-PEAL库中的实验结果。每类训练样本数为5,测试样本为4,核函数选 用高斯核函数,参数options.t=8000。抽取不同的特征维数识别结果如表21所示。表22是在抽取的特征维数为49时,不同的训练样本下的结果 。
表23 CAS-PEAL人脸库SVD+KFDA测试结果(1)
特征维数 识别率/% 识别时间/S
10 40.50 4.015
20 73.50 4.094
30 79.0 4.078
35 79.50 4.094
40 82.00 4.157
45 85.00 4.109
49 86.50 4.203
表24 CAS-PEAL人脸库SVD+KFDA测试结果(2)
训练样本数 识别率/% 识别时间/S
2 56.29 3.750
3 65.33 3.844
4 82.80 3.969
5 86.50 4.023
6 88.67 4.187
7 96.00 4.422
表23和表24是SVD+KFDA方法在CAS-PEAL库中的实验结果。每类训练样本数为5,测试样本为4,核函数选用高斯核函数,参数options.t=8000,样本经奇异值分解后的维数为28*28构成KFDA的输入空间。抽取不同的特征维数识别结果如表23所示。表24是在抽取的特征维数为49时,不同的训练样本下的结果 。
17
matlab kfda,SVD与KFDA相结合人脸识别-matlab-毕业论文相关推荐
- MATLAB实战系列(三十四)-MATLAB基于PCA-LDA模糊神经网络的人脸识别
前言 文中涉及代码及图片,可参见MATLAB基于PCA-LDA模糊神经网络的人脸识别,有需要的小伙伴可自行下载订阅,谢谢大家! 基于PCA-LDA和粗糙集模糊神经网络的人脸识别,一方面在应用前景上是十 ...
- 基于PCA 人脸识别/人脸识别算法/人脸检测程序源码MATLAB ELM+PCA人脸识别 PCA人脸识别matlab代码 基于PCA算法的人脸识别
1.基于PCA的人脸识别代码 2.MATLAB ELM+PCA人脸识别 2.基于PCA的人脸识别(matlab)(采用PCA算法进行人脸识别,通过抽取人脸的主要成 分,构成特征脸空间,识别时将测试图像 ...
- 用matlab人脸识别,人脸识别matlab程序
<人脸识别matlab程序>由会员分享,可在线阅读,更多相关<人脸识别matlab程序(5页珍藏版)>请在人人文库网上搜索. 1.人脸识别% FaceRec.m% PCA 人脸 ...
- 机器学习算法之PCA(主成分分析)人脸识别,最小重构误差和最大化散度证明,PCA主成分分析原理剖析,PCA人脸识别matlab实现,PCA人脸识别python实现
目录 PCA介绍 PCA大致思路 PCA人脸识别(特征脸法) matlab代码实现 Python代码实现 PCA几何解释 PCA证明最小重构误差和最大散度等价 实验结果 PCA介绍 主成分分析(Pri ...
- matlab 归一化_MATLAB主成分PCA人脸识别深度解析(一)
前言:人脸识别是一个很经典的课题,围绕它可以做成很多实际应用,比如教室人脸考勤,人脸门禁系统,无人超市购物系统,刷脸支付系统等等.可是,为什么这一切是靠什么进行匹配人脸的呢,怎么那么神奇呢.人脸识别的 ...
- 【人脸识别】基于 Gabor+SVM和PCA+SVM实现人脸识别matlab源码含 GUI
1 简介 随着经济的快速发展,互联网的普及,信息安全逐渐被人们所重视.人脸识别技术作为保护信息安全的重要手段之一,也逐渐被研究学者所重视.人脸识别作为计算机视觉技术和生物特征识别技术的一个重要分支,模 ...
- 基于ORL人脸数据库和PCA特征降维算法的人脸识别matlab仿真
目录 1.算法仿真效果 2.MATLAB核心程序 3.算法涉及理论知识概要 4.完整MATLAB 1.算法仿真效果 matlab2022a仿真结果如下: 2.MATLAB核心程序 .......... ...
- 基于matlab人脸识别论文,毕业论文--基于MATLAB的人脸识别系统设计
毕业论文--基于MATLAB的人脸识别系统设计 毕毕 业业 设设 计计 论论 文文 题 目 基于 MATLAB 的人脸识别系统设计 学 院 电气与信息工程学院 专 业 自动化 I 摘要 人脸识别是模式 ...
- 2dlda人脸识别 matlab,利用2DPCA和2DLDA在ORL人脸数据库上做的人脸识别实验
www.imdn.cn.html www.imdn.cn.txt 2DLDA.bmp 2DPCA结果.bmp ORL_2DPCA_2DLDA.m 基于DWT_2DPCA和KPCA的人脸识别.pdf o ...
最新文章
- 更改系统的默认安装路径
- JSON WEB TOKEN(JWT)的分析
- web异步开发——json
- IDEA新建spring boot项目没有Spring Initializr选项
- Oracle 10g数据库基础之基本查询语句-中-函数
- kaggle 相关知识汇总(转载+自己整理)
- 微信小程序开发系列教程三:微信小程序的调试方法
- Java并发编程之LinkedBlockingQueue
- 关于C++的字符串操作
- javascript 高级程序设计第三版中文和JavaScript权威指南高清pdf
- 软件测试中三角形白盒测试,软件测试案例(三角形白盒测试)
- word怎么画图,如何用word制作流程图
- android shape自定义渐变,Android实现 Shape属性gradient 渐变效果
- Qt 中文和英文分别使用不同的字体
- 网上体育用品商城(ssm,mysql,bootstrap,html,css)
- 国外优秀免费空间推荐 可用于测试或临时备份
- 一键获取网页中的全部图片并批量下载(国内淘宝天猫京东网站+国外商品页面)——亲测有效
- 老七苏-37:明日之星 苏-37是在苏-35的基础上改进而成的。
- 对接钉钉审批_金蝶ERP对接钉钉 实现移动办公
- 短信字数的验证JAVA代码