Question

我使用了剑桥AT＆amp; T Laboratories的数据库面孔（正式为ORL数据库）。该数据库由400个图像组成，每人10张图像，即每40个人有10张图像。

我将每个人的5张图像分开进行训练，并将每个人剩下的5张图像分开进行测试。

所以我有2个文件夹：
1）训练（5张图像/人= 200张图像）
2）测试（5张图像/人= 200张图像）
培训文件夹中的照片与测试文件夹中的照片不同。

我获得的百分比识别率仅为80％。但如果我在识别之前预处理图像，我得到：
与imajust预处理：82％
锐化预处理：83％
锐化和成像的预处理：84％
（如果预处理完成，它将应用于机器人训练和测试图像）

对于所使用的特征脸的数量，矩阵L的所有特征值都被排序，而那些小于指定阈值的特征值被消除。

L_eig_vec = [];
for i = 1 : size(V,2) 
    if( D(i,i)>1 )
        L_eig_vec = [L_eig_vec V(:,i)];
    end
end

我使用matlab实现人脸识别系统。识别率低是否正常？

Answer 1

准确度取决于您在PCA投影空间中获得数据后使用的分类器。在最初的Turk / Pentland特征面纸

http://www.face-rec.org/algorithms/PCA/jcn.pdf

他们只使用kNN / Euclidean距离，但现代实现可能使用SVM，例如使用rbf内核作为“面部空间”中的分类器，使用网格搜索优化C和gamma参数。 LibSVM会为你做这件事，并且有一个Matlab包装器。

此外，您应首先注册面部，即扭曲图像，使其具有面部标志，例如所有数据集中的眼睛，鼻子，mouyth在一个统一的位置？如果图像未预先注册，则会导致性能下降。我期望在90年代使用具有SVM和预注册的Eigenfaces的5人数据集。这个数字是基于过去学生项目的先前实施/表现的直觉。但有一点需要注意的是，你的训练样本数量非常少 - 高维空间中的5个点并不足以训练分类器。

PCA特征脸的识别率是多少？

1 个答案: