用matlb写一个人脸识别的代码

好的，以下是一个简单的 MATLAB 人脸识别代码：

首先，需要准备好人脸图像数据集，并将其放置在一个文件夹中。这里我们使用 ORL 人脸数据集作为例子。

1. 加载数据集

% 设置数据集路径
datasetPath = 'ORL';

% 读取数据集中的图像
faceImages = imageDatastore(datasetPath, 'IncludeSubfolders', true, 'FileExtensions', '.jpg');

2. 预处理图像

% 重新调整图像大小
faceImages = transform(faceImages, @(x) imresize(x, [200 180]));

% 将图像转换为灰度图像
faceImages = transform(faceImages, @(x) rgb2gray(x));

% 将图像缩放到 [0,1] 范围内
faceImages = transform(faceImages, @(x) im2double(x));

% 将图像转换为列向量
faceImages = transform(faceImages, @(x) x(:));

3. 划分训练集和测试集

% 划分训练集和测试集
[trainSet, testSet] = splitEachLabel(faceImages, 0.8, 'randomized');

4. 训练人脸识别模型

% 计算训练集的均值人脸
meanFace = mean(trainSet);

% 计算训练集中每张人脸与均值人脸的差值
faceDiff = trainSet - repmat(meanFace, numel(trainSet.Files), 1);

% 计算特征向量
[eigVectors, ~] = eig(faceDiff' * faceDiff);

% 取前 k 个特征向量
k = 50;
eigVectors = eigVectors(:, end-k+1:end);

% 计算训练集中每张人脸的特征向量
trainFeatures = faceDiff * eigVectors;

% 训练 k-近邻分类器
knnClassifier = fitcknn(trainFeatures, trainSet.Labels);

5. 测试人脸识别模型

% 计算测试集中每张人脸与均值人脸的差值
testDiff = testSet - repmat(meanFace, numel(testSet.Files), 1);

% 计算测试集中每张人脸的特征向量
testFeatures = testDiff * eigVectors;

% 预测测试集中每张人脸的标签
predictedLabels = predict(knnClassifier, testFeatures);

% 计算识别率
accuracy = mean(predictedLabels == testSet.Labels);
fprintf('识别率为 %.2f%%\n', accuracy * 100);

这里使用了 k-近邻分类器作为人脸识别模型，特征向量选择了前 50 个。实际应用中，可以根据需要调整模型参数，以达到更好的识别效果。