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3.8k次,点赞9次,收藏28次。直接上一个工作中碰到的问题,另外一个系统开启多线程调用我这边的接口,然后我这边会开启多线程批量查询第三方接口并且返回给调用方。使用的是两三年前别人遗留下来的方法,放到线上后发现确实是可以正常取到结果,但是一旦调用,CPU占用就直接100%(部署环境是win server服务器)。因此查看了下相关的老代码并使用JProfiler查看发现是在某个while循环的时候有问题。具体项目代码就不贴了,类似于下面这段代码。while(flag) {//your code;}这里的flag._main函数使用while(1)循环cpu占用99
文章浏览阅读347次。idea shift f6 快捷键无效_idea shift +f6快捷键不生效
文章浏览阅读135次。Ecmacript 中没有DOM 和 BOM核心模块Node为JavaScript提供了很多服务器级别,这些API绝大多数都被包装到了一个具名和核心模块中了,例如文件操作的 fs 核心模块 ,http服务构建的http 模块 path 路径操作模块 os 操作系统信息模块// 用来获取机器信息的var os = require('os')// 用来操作路径的var path = require('path')// 获取当前机器的 CPU 信息console.log(os.cpus._node模块中有很多核心模块,以下不属于核心模块,使用时需下载的是
文章浏览阅读10w+次,点赞435次,收藏3.4k次。SPSS 22 下载安装过程7.6 方差分析与回归分析的SPSS实现7.6.1 SPSS软件概述1 SPSS版本与安装2 SPSS界面3 SPSS特点4 SPSS数据7.6.2 SPSS与方差分析1 单因素方差分析2 双因素方差分析7.6.3 SPSS与回归分析SPSS回归分析过程牙膏价格问题的回归分析_化工数学模型数据回归软件
文章浏览阅读7.5k次。如何利用hutool工具包实现邮件发送功能呢?1、首先引入hutool依赖<dependency> <groupId>cn.hutool</groupId> <artifactId>hutool-all</artifactId> <version>5.7.19</version></dependency>2、编写邮件发送工具类package com.pc.c..._hutool发送邮件
文章浏览阅读867次,点赞2次,收藏2次。docker安装elasticsearch,elasticsearch-head,kibana,ik分词器安装方式基本有两种,一种是pull的方式,一种是Dockerfile的方式,由于pull的方式pull下来后还需配置许多东西且不便于复用,个人比较喜欢使用Dockerfile的方式所有docker支持的镜像基本都在https://hub.docker.com/docker的官网上能找到合..._docker安装kibana连接elasticsearch并且elasticsearch有密码
文章浏览阅读1.3w次,点赞57次,收藏92次。整理 | 郑丽媛出品 | CSDN(ID:CSDNnews)近年来,随着机器学习的兴起,有一门编程语言逐渐变得火热——Python。得益于其针对机器学习提供了大量开源框架和第三方模块,内置..._beeware
文章浏览阅读7.9k次。//// ViewController.swift// Day_10_Timer//// Created by dongqiangfei on 2018/10/15.// Copyright 2018年 飞飞. All rights reserved.//import UIKitclass ViewController: UIViewController { ..._swift timer 暂停
文章浏览阅读986次,点赞2次,收藏2次。1.硬性等待让当前线程暂停执行,应用场景:代码执行速度太快了,但是UI元素没有立马加载出来,造成两者不同步,这时候就可以让代码等待一下,再去执行找元素的动作线程休眠,强制等待 Thread.sleep(long mills)package com.example.demo;import org.junit.jupiter.api.Test;import org.openqa.selenium.By;import org.openqa.selenium.firefox.Firefox.._元素三大等待
文章浏览阅读3k次,点赞4次,收藏14次。Java软件工程师职位分析_java岗位分析
文章浏览阅读2k次。Java:Unreachable code的解决方法_java unreachable code
文章浏览阅读1w次。1、html中设置标签data-*的值 标题 11111 222222、点击获取当前标签的data-url的值$('dd').on('click', function() { var urlVal = $(this).data('ur_如何根据data-*属性获取对应的标签对象