matlab人脸识别代码

以下是使用MATLAB进行人脸识别的示例代码：

1. 读取训练数据并进行PCA降维

% 读取训练数据
trainDir = 'training_images/';
trainFiles = dir([trainDir '*.jpg']);
numTrain = length(trainFiles);
trainData = zeros(50*50,numTrain);

for i = 1:numTrain
    % 读取图片并转换为灰度图像
    img = imread([trainDir trainFiles(i).name]);
    img = rgb2gray(img);
    % 将图像转换为向量并存储在矩阵中
    trainData(:,i) = double(reshape(img,[],1));
end

% 进行PCA降维
meanFace = mean(trainData,2);
trainData = bsxfun(@minus,trainData,meanFace);
[U,~,~] = svd(trainData,'econ');
V = U(:,1:20);
trainData = V'*trainData;

2. 读取测试数据并对其进行人脸识别

% 读取测试数据
testDir = 'testing_images/';
testFiles = dir([testDir '*.jpg']);
numTest = length(testFiles);

for i = 1:numTest
    % 读取图片并转换为灰度图像
    img = imread([testDir testFiles(i).name]);
    img = rgb2gray(img);
    % 将图像转换为向量
    testData = double(reshape(img,[],1));
    % 对测试数据进行PCA降维
    testData = V'*bsxfun(@minus,testData,meanFace);
    % 计算测试数据与训练数据之间的欧氏距离
    distances = sum(bsxfun(@minus,trainData,testData).^2,1);
    % 找到距离最小的训练数据并输出其编号
    [minDist,idx] = min(distances);
    fprintf('%s is recognized as %s\n',testFiles(i).name,trainFiles(idx).name);
end

这里的代码将训练数据和测试数据都存储为50x50的灰度图像，并将其转换为向量。然后使用PCA降维将训练数据降到20维，并计算测试数据与训练数据之间的欧氏距离。最后，找到距离最小的训练数据并输出其编号，以实现人脸识别的功能。