顔認識経典アルゴリズム実現(一)——特徴顔法

最近、顔認識に関する内容を作りたいと思っています.主にシステムを統合したいと思っています.opencvには3つの性能の良いアルゴリズムが統合されているのを見ていますが、自分でやってみたいと思っています.結局、アルゴリズムは初級です.
操作環境:python 2.7
サードパーティライブラリ:opencv for python、numpy
第1種の比較的に経典のアルゴリズムは特徴の顔法で、本質的に実はPCAが次元を下げて、このアルゴリズムの基本的な構想は、2次元の画像を先に階調化して、1つの通路の画像に転化して、それからそれの首尾をつなぎ合わせて1つの列のベクトルに転化して、画像の大きさが20*20であると仮定して、それではこのベクトルは400次元で、理論的には1つのベクトルに組織して、任意の機械学習アルゴリズムを適用することができるが,次元が高すぎるとアルゴリズムの複雑さも高まるので,PCAアルゴリズムを用いて次元を下げ,簡単なソートやKNNを用いてもよい.
運搬業者として、リンクを送ります.
PCAさん、このブログはとてもよく話しています.原理から実現まで基本的に見ると、これはできます.http://blog.codinglabs.org/articles/pca-tutorial.html
特徴顔法:PCAは顔認識に応用する:http://blog.csdn.net/smartempire/article/details/21406005ここで,PCAと異なる操作が特徴値分解の場合,画像組成の列ベクトル次元が高すぎるため,PCAアルゴリズムに従って解くのが遅いため,ここでは特殊な処理方法がある.
データの組織形式は、いくつかのサンプル画像を分類して対応するフォルダに入れ、faceフォルダの下に統一的に保存し、画像をテストして1枚の画像だけでよい.
また、PCAでは次元が面倒なので、プログラムでは多くの次元情報を印刷し、PCAの作業過程とデバッグを理解するのに役立ちます.
コードは次のとおりです.

#encoding=utf-8
import numpy as np
import cv2
import os

class EigenFace(object):
    def __init__(self,threshold,dimNum,dsize):
        self.threshold = threshold #       
        self.dimNum = dimNum
        self.dsize = dsize

    def loadImg(self,fileName,dsize):
        '''
            ，     ，    ，      
        :param fileName:      
        :param dsize:       。    
        :return:     
        '''
        img = cv2.imread(fileName)
        retImg = cv2.resize(img,dsize)
        retImg = cv2.cvtColor(retImg,cv2.COLOR_RGB2GRAY)
        retImg = cv2.equalizeHist(retImg)
        # cv2.imshow('img',retImg)
        # cv2.waitKey()
        return retImg


    def createImgMat(self,dirName):
        '''
                ，         ，    
        :param dirName:                
        :return:     ，    
        '''
        dataMat = np.zeros((10,1))
        label = []
        for parent,dirnames,filenames in os.walk(dirName):
            # print parent
            # print dirnames
            # print filenames
            index = 0
            for dirname in dirnames:
                for subParent,subDirName,subFilenames in os.walk(parent+'/'+dirname):
                    for filename in subFilenames:
                        img = self.loadImg(subParent+'/'+filename,self.dsize)
                        tempImg = np.reshape(img,(-1,1))
                        if index == 0 :
                            dataMat = tempImg
                        else:
                            dataMat = np.column_stack((dataMat,tempImg))
                        label.append(subParent+'/'+filename)
                        index += 1
        return dataMat,label


    def PCA(self,dataMat,dimNum):
        '''
        PCA  ，      
        :param dataMat:     
        :param dimNum:         
        :return:              
        '''
        #      
        meanMat = np.mat(np.mean(dataMat,1)).T
        print '       ',meanMat.shape
        diffMat = dataMat-meanMat
        #       ，              ，           ，       
        covMat = (diffMat.T*diffMat)/float(diffMat.shape[1]) #    
        #covMat2 = np.cov(dataMat,bias=True)
        #print '            ',covMat2
        print '       ',covMat.shape
        eigVals, eigVects = np.linalg.eig(np.mat(covMat))
        print '      ',eigVects.shape
        print '   ',eigVals
        eigVects = diffMat*eigVects
        eigValInd = np.argsort(eigVals)
        eigValInd = eigValInd[::-1]
        eigValInd = eigValInd[:dimNum] #         n     
        print '      ',eigValInd
        eigVects = eigVects/np.linalg.norm(eigVects,axis=0) #       
        redEigVects = eigVects[:,eigValInd]
        print '       ',redEigVects.shape
        print '      ',diffMat.shape
        lowMat = redEigVects.T*diffMat
        print '      ',lowMat.shape
        return lowMat,redEigVects

    def compare(self,dataMat,testImg,label):
        '''
            ，                ，     KNN   ，          
        :param dataMat:     
        :param testImg:       ，     
        :param label:     
        :return:               
        '''
        testImg = cv2.resize(testImg,self.dsize)
        testImg = cv2.cvtColor(testImg,cv2.COLOR_RGB2GRAY)
        testImg = np.reshape(testImg,(-1,1))
        lowMat,redVects = self.PCA(dataMat,self.dimNum)
        testImg = redVects.T*testImg
        print '          ',testImg.shape
        disList = []
        testVec = np.reshape(testImg,(1,-1))
        for sample in lowMat.T:
            disList.append(np.linalg.norm(testVec-sample))
        print disList
        sortIndex = np.argsort(disList)
        return label[sortIndex[0]]


    def predict(self,dirName,testFileName):
        '''
            
        :param dirName:              
        :param testFileName:        
        :return:     
        '''
        testImg = cv2.imread(testFileName)
        dataMat,label = self.createImgMat(dirName)
        print '      ',label
        ans = self.compare(dataMat,testImg,label)
        return ans


if __name__ == '__main__':
    eigenface = EigenFace(20,50,(50,50))
    print eigenface.predict('d:/face','D:/face_test/1.bmp')