% FaceRec.m  %CQUPT   

% PCA  識別率88%  

% calc xmean,sigma and its eigen decomposition

allsamples=[];                                           %所有訓練圖片

for i=1:40

       for j=1:5

       a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.pgm'));

      b=a(1:112*92);                                 %b是行矢量1*N，N=10304，提取順序是先列后行，

                                                               %即從上到下，從左到右

       b=double(b);

allsamples=[allsamples;b];                        %allsamples是一個M*N矩陣，allsamples中每一行數據代

                                                               %表一張圖片，其中M=200

       end

end

 

samplemean=mean(allsamples);                         %平均圖片，1*N

for    i=1:200 xmean(i,:)=allsamples(i,:)-samplemean; %allsamples是一個M*N矩陣，allsamples中每一行保存

                                                                               %的數據是“每個圖片數據—平均圖片”

end;

%獲取特征植及特征向量

sigma=xmean*xmean';                                     % M* M矩陣

[v d]=eig(sigma);

d1=diag(d);

%按特征值大小以降序排列

dsort=flipud(d1);

vsort=fliplr(v);

 

%以下選擇90%的能量

dsum=sum(dsort);

       dsum_extract=0;

       p=0;

       while(dsum_extract/dsum<0.9)

              p=p+1;

              dsum_extract=sum(dsort(1:p));

       end

i=1;

 

                  % (訓練階段)計算特征臉形成的坐標系

base = xmean' * vsort(:,1:p) * diag(dsort(1:p).^(-1/2)); 

                  %base是N*p階矩陣，除以dsort(i) ^(-1/2))是對人臉圖象的標準化（是其方差為1）

                  % xmean' * vsort(:,1:p)是小矩陣的特征向量向大矩陣特征向量轉換的過程

                 %以下兩行將訓練樣本對坐標系上進行投影，得到一個M*p子空間中的一個點，

                 %即在子空間中的組合系數

allcoor=allsamples*base;

accu = 0;                                   %下面的人臉識別過程中就是利用這些組合系數來進行識別

 

%測試過程

for i=1:40

       for j=6:10                             %讀入40 x 5 副測試圖像

       a=imread(strcat('e:\ORL\s',num2str(i),'\',num2str(j),'.pgm'));

       b=a(1:10304);

       b=double(b);

       tcoor=b*base;                     %計算坐標，是1*p階矩陣

       for k=1:200

              mdist(k)=norm(tcoor-allcoor(k,:));

       end;

 

  %三階近鄰

[dist,index2]=sort(mdist); 

        class1=floor( (index2(1)-1)/5 )+1; 

        class2=floor((index2(2)-1)/5)+1; 

        class3=floor((index2(3)-1)/5)+1; 

        if class1~=class2 && class2~=class3 

            class=class1; 

        elseif class1==class2 

            class=class1; 

        elseif class2==class3 

            class=class2; 

        end; 

        if class==i 

            accu=accu+1; 

        end; 

    end; 

end; 

accuracy=accu/200                  % 輸出識別率