给我一个人脸识别的matlab代码

人脸识别是一种应用广泛的计算机视觉技术，MATLAB 也提供了一些工具箱和函数用于实现人脸识别。下面是一个简单的人脸识别 MATLAB 代码示例：

% 加载人脸数据集
load face.mat;

% 显示人脸数据集
montage(A);

% 计算平均脸
mean_face = mean(A, 2);
mean_face = reshape(mean_face, 64, 64);
imshow(mean_face, []);

% 计算人脸差异矩阵
diff_faces = A - mean_face;

% 计算协方差矩阵
cov_matrix = diff_faces * diff_faces';

% 计算特征向量和特征值
[eig_vecs, eig_vals] = eig(cov_matrix);

% 排序特征值，选取前 k 个特征向量
eig_vals = diag(eig_vals);
[~, idx] = sort(eig_vals, 'descend');
eig_vecs = eig_vecs(:, idx);
k = 100;
eig_vecs = eig_vecs(:, 1:k);

% 投影人脸到特征空间
proj_faces = eig_vecs' * diff_faces;

% 测试人脸
test_face = double(rgb2gray(imread('test_face.jpg')));
test_face = imresize(test_face, [64, 64]);
test_face = test_face(:) - mean_face(:);
proj_test_face = eig_vecs' * test_face;

% 计算欧氏距离，找到最近的人脸
distances = sqrt(sum((proj_faces - proj_test_face).^2, 1));
[~, idx] = min(distances);
matched_face = reshape(A(:, idx), 64, 64);

% 显示结果
subplot(1, 2, 1);
imshow(test_face + mean_face, []);
title('Test Face');

subplot(1, 2, 2);
imshow(matched_face, []);
title('Matched Face');

在这个例子中，我们首先加载了一个人脸数据集 `face.mat`，然后使用 `montage` 函数显示了数据集中的所有人脸。接着，我们计算了平均脸，并用 `imshow` 函数显示了平均脸的图像。然后，我们计算了人脸差异矩阵和协方差矩阵，并使用 `eig` 函数计算了特征向量和特征值。接着，我们对特征向量进行排序，选取前 k 个特征向量，将人脸投影到特征空间中。最后，我们读取了一个测试人脸的图像，将其投影到特征空间中，计算与数据集中每个人脸的欧氏距离，找到距离最近的人脸，并将其与测试人脸显示在同一张图像中。