技术标签: 人脸识别 Python PCA-LDA人脸识别
在看论文改进PCA_LDA的人脸识别算法研究_马帅旗和https://blog.csdn.net/xiaomage_gf/article/details/61631293
上写的LDA人脸识别算法,加载人脸库的函数没贴出来,其他的都有了。大概整理了两天时间写出的。
# -*- coding: utf-8 -*-
'''9/8/6 LDA的Freset人脸库
算法步骤,将图像转为列向量,计算全局平均图像,每一类的平均图像,
计算类间,类内的协方差矩阵,计算投影矩阵;分类器识别'''
import os
import numpy as np
import cv2
import sys
from lbp2D.pca import (loadFre)#库函数的
import math
def getLDALie(data,k):
D,V =np.linalg.eig(data) #特征值与特征向量 #200*200的
DIndex=np.argsort(-D)#将D的索引从大到小排序
VIndex=DIndex[0:k]#因为是列的,所以是前N个
V1=V[:,VIndex]#(800, 77)
return V1
def getPCALie(Z,Threshold):
'''平均脸'''
T1 = Z*Z.T #使用矩阵计算,所以前面mat
D,V =np.linalg.eig(T1) #特征值与特征向量 #200*200的
DIndex=np.argsort(-D)#将D的索引从大到小排序
lenD=len(DIndex)
k=0
for j in range(lenD):
temp_DInd_I=DIndex[:j]
if(D[temp_DInd_I]/D.sum()).sum()>=Threshold:
k=len(temp_DInd_I)
break
print(k)
VIndex=DIndex[0:k]#因为是列的,所以是前N个
V1=V[:,VIndex]#(800, 77)
V1 = Z.T*V1 #(6400, 77)
'''
for i in range(k): #特征向量归一化
L = np.linalg.norm(V1[:,i])#默认是平方之后和求根 2范数 也就是模
V1[:,i] = V1[:,i]/L #11316*30
'''
return V1
'''77*800 77*200 77*1转换为77*77的'''
def getUX(train_data2,U2,mean2,N,C):
'''类间协方差 77*200 '''
Wu=np.zeros((train_data2.shape[0],train_data2.shape[0]))
for i in range(C):
temp=U2[:,i]-mean2#77*200 77*1
temp2=temp*temp.T
Wu=Wu+temp2
'''类内协方差 Bu'''
tempX=np.zeros((train_data2.shape[0],N*C))#X-U之协方差 (77, 800)
U3=U2.A
for i in range(0,C):#200因为tile不对
tempX[:,i*4]=U3[:,i]
tempX[:,i*4+1]=U3[:,i]
tempX[:,i*4+2]=U3[:,i]
tempX[:,i*4+3]=U3[:,i]
'''77*800-77*77'''
Bu=np.zeros((train_data2.shape[0],train_data2.shape[0]))
for i in range(0,N*C):
temp=np.mat(train_data2[:,i]-tempX[:,i])#每幅图像相对于本类的平均差
temp2=temp*temp.T
Bu=Bu+temp2
'''
for i in range(train_data2.shape[0]): #特征向量归一化
L = np.linalg.norm(Bu[:,i])#默认是平方之后和求根 2范数 也就是模
Bu[:,i] = Bu[:,i]/L #11316*30
'''
V2=Bu.I*Wu
return V2
'''matrix 77*600'''
def TestLDA(train_data2,train_lable, test_data3, test_lable):
suc=0
for j in range(len(test_lable)):
testFacePca=test_data3[:,j]
tempFacePca=np.tile(testFacePca,(1,len(train_lable)))
diffPca=tempFacePca-train_data2
sqPca=diffPca.A**2#mat转A
sqDis=sqPca.sum(axis=0)
sortDisIndix=sqDis.argsort()
indexMin=sortDisIndix[0]#最小距离
if train_lable[indexMin]==test_lable[j]:
suc+=1
print("正确率%.3f"%(suc/len(test_lable)))
#loadFre 人脸库,我的是200人,每人取4张训练图片
if __name__ == '__main__':
'''80*80 *800 4--3 '''
train_data, train_lable, test_data, test_lable=loadFre()#
train_data=train_data.T
N=4 #每人4张
C=200#一共200人
mean=np.mean(train_data, axis=1)#6400 平均值
U=np.zeros((train_data.shape[0],C))#6400*200 每一类的均值
tempX=np.zeros((train_data.shape[0],N*C))#X-U之协方差
for i in range(0,C):#200因为tile不对
temp=train_data[:,i*N:(i+1)*N]#0-1-2-3
U[:,i]=np.mean(temp,axis=1)
tempX[:,i*4]=U[:,i]
tempX[:,i*4+1]=U[:,i]
tempX[:,i*4+2]=U[:,i]
tempX[:,i*4+3]=U[:,i]
train_dataMean=train_data-tempX
V1=getPCALie(np.mat(train_dataMean.T),0.9)#(6400, 77)
'''
Cx=np.zeros((N*C,N*C)) #(800, 800)
for i in range(0,tempX.shape[0]):
temp=np.mat(train_data[i,:]-tempX[i,:])#每幅图像相对于本类的平均差
Cx=Cx+temp.T*temp
V1=getPCALieK(Cx,0.9)#(800, 3)
'''
U2=V1.T*np.mat(U)#77*200
mean2=(np.mat(mean)*V1).T#77*1
train_data2=V1.T*np.mat(train_data)#77*800
'''数据量都很大'''
V2=getUX(train_data2,U2,mean2,N,C)#77*77 这个是lDA
V3=getLDALie(V2,50)#(77*20)
V4=V3.T*V1.T#(20,6400)
train_data3=V3.T*train_data2 #(77, 800) 20*800
'''测试部分,下面我只是测试集合减去6400*1的平均'''
'''
mean3=np.tile(mean,(len(test_lable),1))
test_data2=test_data-mean3
test_date4=V4*np.mat(test_data2.T)
'''
test_data3=V4*np.mat(test_data.T)#77*600
'''20 0.602 有没有去均值都是一样的
30 0.638 50 0.650'''
TestLDA(train_data3,train_lable, test_data3, test_lable)
文章浏览阅读1.6k次。安装配置gi、安装数据库软件、dbca建库见下:http://blog.csdn.net/kadwf123/article/details/784299611、检查集群节点及状态:[root@rac2 ~]# olsnodes -srac1 Activerac2 Activerac3 Activerac4 Active[root@rac2 ~]_12c查看crs状态
文章浏览阅读1.3w次,点赞45次,收藏99次。我个人用的是anaconda3的一个python集成环境,自带jupyter notebook,但在我打开jupyter notebook界面后,却找不到对应的虚拟环境,原来是jupyter notebook只是通用于下载anaconda时自带的环境,其他环境要想使用必须手动下载一些库:1.首先进入到自己创建的虚拟环境(pytorch是虚拟环境的名字)activate pytorch2.在该环境下下载这个库conda install ipykernelconda install nb__jupyter没有pytorch环境
文章浏览阅读5.2k次,点赞19次,收藏28次。选择scoop纯属意外,也是无奈,因为电脑用户被锁了管理员权限,所有exe安装程序都无法安装,只可以用绿色软件,最后被我发现scoop,省去了到处下载XXX绿色版的烦恼,当然scoop里需要管理员权限的软件也跟我无缘了(譬如everything)。推荐添加dorado这个bucket镜像,里面很多中文软件,但是部分国外的软件下载地址在github,可能无法下载。以上两个是官方bucket的国内镜像,所有软件建议优先从这里下载。上面可以看到很多bucket以及软件数。如果官网登陆不了可以试一下以下方式。_scoop-cn
文章浏览阅读4.5k次,点赞2次,收藏3次。首先要有一个color-picker组件 <el-color-picker v-model="headcolor"></el-color-picker>在data里面data() { return {headcolor: ’ #278add ’ //这里可以选择一个默认的颜色} }然后在你想要改变颜色的地方用v-bind绑定就好了,例如:这里的:sty..._vue el-color-picker
文章浏览阅读640次。基于芯片日益增长的问题,所以内核开发者们引入了新的方法,就是在内核中只保留函数,而数据则不包含,由用户(应用程序员)自己把数据按照规定的格式编写,并放在约定的地方,为了不占用过多的内存,还要求数据以根精简的方式编写。boot启动时,传参给内核,告诉内核设备树文件和kernel的位置,内核启动时根据地址去找到设备树文件,再利用专用的编译器去反编译dtb文件,将dtb还原成数据结构,以供驱动的函数去调用。firmware是三星的一个固件的设备信息,因为找不到固件,所以内核启动不成功。_exynos 4412 刷机
文章浏览阅读2w次,点赞24次,收藏42次。Linux系统配置jdkLinux学习教程,Linux入门教程(超详细)_linux配置jdk
文章浏览阅读3.3k次,点赞5次,收藏19次。xlabel('\delta');ylabel('AUC');具体符号的对照表参照下图:_matlab微米怎么输入
文章浏览阅读119次。顺序读写指的是按照文件中数据的顺序进行读取或写入。对于文本文件,可以使用fgets、fputs、fscanf、fprintf等函数进行顺序读写。在C语言中,对文件的操作通常涉及文件的打开、读写以及关闭。文件的打开使用fopen函数,而关闭则使用fclose函数。在C语言中,可以使用fread和fwrite函数进行二进制读写。 Biaoge 于2024-03-09 23:51发布 阅读量:7 ️文章类型:【 C语言程序设计 】在C语言中,用于打开文件的函数是____,用于关闭文件的函数是____。
文章浏览阅读3.4k次,点赞2次,收藏13次。跟随鼠标移动的粒子以grid(SOP)为partical(SOP)的资源模板,调整后连接【Geo组合+point spirit(MAT)】,在连接【feedback组合】适当调整。影响粒子动态的节点【metaball(SOP)+force(SOP)】添加mouse in(CHOP)鼠标位置到metaball的坐标,实现鼠标影响。..._touchdesigner怎么让一个模型跟着鼠标移动
文章浏览阅读178次。项目运行环境配置:Jdk1.8 + Tomcat7.0 + Mysql + HBuilderX(Webstorm也行)+ Eclispe(IntelliJ IDEA,Eclispe,MyEclispe,Sts都支持)。项目技术:Springboot + mybatis + Maven +mysql5.7或8.0+html+css+js等等组成,B/S模式 + Maven管理等等。环境需要1.运行环境:最好是java jdk 1.8,我们在这个平台上运行的。其他版本理论上也可以。_基于java技术的停车场管理系统实现与设计
文章浏览阅读3.5k次。前言对于MediaPlayer播放器的源码分析内容相对来说比较多,会从Java-&amp;gt;Jni-&amp;gt;C/C++慢慢分析,后面会慢慢更新。另外,博客只作为自己学习记录的一种方式,对于其他的不过多的评论。MediaPlayerDemopublic class MainActivity extends AppCompatActivity implements SurfaceHolder.Cal..._android多媒体播放源码分析 时序图
文章浏览阅读2.4k次,点赞41次,收藏13次。java 数据结构与算法 ——快速排序法_快速排序法