a=input('請(qǐng)輸入你需要提取的特征維數(shù)（僅限于8, 16超凳，24, 32愈污，48，64轮傍，80）：');
for featureNumber =[a]%[8, 16,24, 32, 48, 64, 80]; % 特征維數(shù)暂雹，僅限于8, 16，24, 32创夜，48杭跪，64，80
    %% 1.參數(shù)配置
    save featureNumber  featureNumber ;
    clear all; close all; warning off; format compact;%rng('default');
    load featureNumber ;
    disp('##################################################');
    disp(['----------------','featureNumber=',num2str(featureNumber ),'時(shí)','----------------']);
    %% 2.圖片分塊并計(jì)算每塊的最大奇異值驰吓，并構(gòu)成每張圖片的特征向量
    num=1;
    %得出圖片的路徑揍魂，并自動(dòng)讀入每張圖片
    dir = ['_1.bmp ';'_2.bmp ';'_3.bmp ';'_4.bmp '; '_5.bmp ';'_6.bmp '; '_7.bmp ';'_8.bmp ';'_9.bmp '; '_10.bmp'];
    for x=1:40
        %將數(shù)字轉(zhuǎn)換成字符，便于把兩個(gè)字符連接棚瘟，組成圖片的完整路徑
        a = int2str(x);
        b = ['s'];
        d = [b a];
        for i=1:10
            %得到每張圖片的文件名
            e = [d dir(i,1:7)];
            % 將圖片轉(zhuǎn)化成為灰度矩陣
            M = double(imread(e));
            %如果用戶輸入的是8,則執(zhí)行下段代碼,把數(shù)據(jù)處理得到8維的特征向量
            if (featureNumber == 8)
                for j=1:4
                    for k=1:2
                        %將圖片的灰度矩陣劃分成8塊小矩陣
                        temp=M((j-1)*28+1:j*28,(k-1)*46+1:k*46);
                        %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                        [u,temp1,v]=svd(temp);
                        %提取一個(gè)的SVD系數(shù)作為特征值
                        temp2=temp1(num,num);
                        %得到所有圖片的特征矩陣
                        feature((x-1)*10+i,(j-1)*2+k)=temp2;
                    end
                end
            end
            %如果用戶輸入的是16,則執(zhí)行下段代碼,把數(shù)據(jù)處理得到16維的特征向量
            if (featureNumber == 16)
                for j=1:4
                    for k=1:4
                        %將圖片的灰度矩陣劃分成16塊小矩陣
                        temp=M((j-1)*28+1:j*28,(k-1)*23+1:k*23);
                        %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                        [u,temp1,v]=svd(temp);
                        %提取最大的SVD系數(shù)作為特征值
                        temp2=temp1(num,num);
                        %得到所有圖片的特征矩陣
                        feature((x-1)*10+i,(j-1)*4+k)=temp2;
                    end
                end
            end
            %如果用戶輸入的是24,則執(zhí)行下段代碼,把數(shù)據(jù)處理得到16維的特征向量
            if (featureNumber == 24)
                for j=1:6
                    for k=1:4
                        %將圖片的灰度矩陣劃分成24塊小矩陣
                        temp=M((j-1)*18+1:j*18,(k-1)*23+1:k*23);
                        %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                        [u,temp1,v]=svd(temp);
                        %提取最大的SVD系數(shù)作為特征值
                        temp2=temp1(num,num);
                        %得到所有圖片的特征矩陣
                        feature((x-1)*10+i,(j-1)*4+k)=temp2;
                    end
                end
            end
            %如果用戶輸入的是32,則執(zhí)行下段代碼,把數(shù)據(jù)處理得到32維的特征向量
            if (featureNumber == 32)
                for j=1:8
                    for k=1:4
                        %將圖片的灰度矩陣劃分成32塊小矩陣
                        temp=M((j-1)*14+1:j*14,(k-1)*23+1:k*23);
                        %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                        [u,temp1,v]=svd(temp);
                        %提取最大的SVD系數(shù)作為特征值
                        temp2=temp1(num,num);
                        %得到所有圖片的特征矩陣
                        feature((x-1)*10+i,(j-1)*4+k)=temp2;
                    end
                end
            end
            %如果用戶輸入的是48,則執(zhí)行下段代碼,把數(shù)據(jù)處理得到48維的特征向量
            if (featureNumber == 48)
                for j=1:8
                    for k=1:6
                        %將圖片的灰度矩陣劃分成48塊小矩陣
                        temp=M((j-1)*14+1:j*14,(k-1)*15+1:k*15);
                        %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                        [u,temp1,v]=svd(temp);
                        %提取最大的SVD系數(shù)作為特征值
                        temp2=temp1(num,num);
                        %得到所有圖片的特征矩陣
                        feature((x-1)*10+i,(j-1)*6+k)=temp2;
                    end
                end
            end
            %如果用戶輸入的是64,則執(zhí)行下段代碼,把數(shù)據(jù)處理得到64維的特征向量
            if (featureNumber == 64)
                for j=1:8
                    for k=1:8
                        %將圖片的灰度矩陣劃分成64塊小矩陣
                        temp=M((j-1)*14+1:j*14,(k-1)*11+1:k*11);
                        %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                        [u,temp1,v]=svd(temp);
                        %提取最大的SVD系數(shù)作為特征值
                        temp2=temp1(num,num);
                        %得到所有圖片的特征矩陣
                        feature((x-1)*10+i,(j-1)*8+k)=temp2;
                    end
                end
            end
            %如果用戶輸入的是80,則執(zhí)行下段代碼,把數(shù)據(jù)處理得到80維的特征向量
            if (featureNumber == 80)
                for j=1:10
                    for k=1:8
                        temp=M((j-1)*11+1:j*11,(k-1)*11+1:k*11);%將圖片的灰度矩陣劃分成80塊小矩陣
                        [u,temp1,v]=svd(temp);%對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                        temp2=temp1(num,num);%提取最大的SVD系數(shù)作為特征值
                        feature((x-1)*10+i,(j-1)*8+k)=temp2;%得到所有圖片的特征矩陣
                    end
                end
            end
        end
    end
    tag=0;
    for x=1:40
        %將數(shù)字轉(zhuǎn)換成字符现斋，便于把兩個(gè)字符連接，組成圖片的完整路徑
        a = int2str(x);
        b = ['s'];
        d = [b a];
        for i=1:10
            tag=tag+1;
            %得到每張圖片的文件名
            e = [d dir(i,1:7)];
            %將圖片轉(zhuǎn)化成為灰度矩陣
            M = double(imread(e));
            picture(tag,:)=reshape(M,1,92*112);
        end
    end    
    %% 3.屬于預(yù)處理(包括劃分訓(xùn)練集和測(cè)試集, 數(shù)據(jù)歸一化處理等)
    num_train=8;      %這里我們?cè)O(shè)置的每一類數(shù)據(jù)大小為10, 所以num_train的大小為1~10.
    feature=feature'; %進(jìn)行矩陣倒置偎蘸，因?yàn)樵撍惴ㄒ缶仃嚨男袛?shù)比列數(shù)少
    num_test=10-num_train;
    for y=1:40        %構(gòu)造訓(xùn)練集,一共有40個(gè)人庄蹋，每人10張圖片
        for n=1:num_train
            train_data(:,(y-1)*num_train + n) = feature(:,(y-1)*10 + n); %構(gòu)造訓(xùn)練集
            train_picture((y-1)*num_train + n,:) = picture((y-1)*10 + n,:);
        end
        for z=1:num_test
            test_data(:,(y-1)*num_test+z)= feature(:,(y-1)*10 +num_train+z);%構(gòu)造測(cè)試集
            test_picture((y-1)*num_test+z, :)= picture((y-1)*10 +num_train+z,:);
        end
    end
    for y=1:40
        for m=1:num_train
            t(y,(y-1)*num_train+m)=1;%構(gòu)造訓(xùn)練集目標(biāo)集
        end
    end
    max_train=max(train_data(:));
    min_train=min(train_data(:));
    pn = mat2gray(train_data,[min_train ,max_train]);%對(duì)訓(xùn)練集數(shù)據(jù)進(jìn)行歸一化處理
    pnewn = mat2gray(test_data,[min_train ,max_train]);%對(duì)測(cè)試集數(shù)據(jù)進(jìn)行歸一化處理   
    %% 4.訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)
    %調(diào)用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱瞬内，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)
    net = newff(minmax(pn),[110,40],{'tansig','purelin'},'trainrp');
    % 函數(shù)newff建立一個(gè)可訓(xùn)練的前饋網(wǎng)絡(luò)。
    % (1) 函數(shù)功能：訓(xùn)練前饋網(wǎng)絡(luò)的第一步是建立網(wǎng)絡(luò)對(duì)象限书。
    %          輸入?yún)?shù)說明：
    %          100表示: 輸入隱含層神經(jīng)元個(gè)數(shù)
    %          40表示: 輸出層的個(gè)數(shù)(40個(gè)人的人臉,即40類)
    %          'tansig'表示: 輸入層與隱含層之間的傳遞函數(shù)
    %          'purelin'表示:  隱含層與輸出層之間的傳遞函數(shù)
    %          'trainrp'表示: BP網(wǎng)絡(luò)訓(xùn)練函數(shù)(有彈回的BP算法,用于消除梯度模值對(duì)網(wǎng)絡(luò)訓(xùn)練帶來的影響,提高訓(xùn)練的速度)
    net.trainParam.goal=1e-5;%訓(xùn)練目標(biāo)
    net.trainParam.epochs=10000;%訓(xùn)練次數(shù)
    net.trainParam.lr = 0.005;%學(xué)習(xí)速率
    [net,tr] = train(net,pn,t);  % 訓(xùn)練神經(jīng)網(wǎng)絡(luò)
    result_test=sim(net, pnewn);%測(cè)試模擬結(jié)果
    result_train=sim(net, pn);%訓(xùn)練模擬結(jié)果
    [~,I]=max(result_test);%C是得出的result_test中的每一列的最大值虫蝶，I是最大值所在的行數(shù)
    [A,B]=max(result_train);%A是得出的result_train中的每一列的最大值，B是最大值所在的行數(shù)
    II=I;BB=B;
    count_test=0;
    count_train=0;
    for f=1:40
        for g=1:num_test
        %計(jì)算在得出的結(jié)果中倦西，被正確識(shí)別出來的測(cè)試集圖片數(shù)目
            if(I(1,(f-1)*num_test+g)==f)
            count_test=count_test+1;
            end 
        end
        for h=1:num_train
        %計(jì)算在得出的結(jié)果中能真，被正確識(shí)別出來的訓(xùn)練集圖片數(shù)目
            if(B(1,(f-1)*num_train+h)==f)
            count_train=count_train+1;
            end            
        end
    end
    fprintf('統(tǒng)計(jì)結(jié)束:\n正確識(shí)別的測(cè)試集數(shù)目為: %d\n',count_test);
    fprintf('正確識(shí)別的訓(xùn)練集數(shù)目為: %d\n',count_train);
    %計(jì)算出總識(shí)別率
    Total_reg=(count_test+count_train)/400;
    disp(['神經(jīng)網(wǎng)絡(luò)人臉識(shí)別率為：',num2str(Total_reg)])
    trainJ=cell(1,40);
    for k=1:40
        trainJ{1,k}= find(B==k);
        L(k)=length(trainJ{1,k});
    end
    Lmax=max(L);
    Imtrain=255*ones(40*112, Lmax*92);
    imtrain=mat2cell(Imtrain, 112*ones(1,40),92*ones(1,Lmax));
    for k=1:40
        trainJ{1,k}= find(B==k);
        tep=trainJ{1,k};
        L=length( trainJ{1,k});
        for jk=1:L
            tem=reshape(train_picture(tep(jk),:),112,92);
            imtrain{k,jk}=tem;
        end
    end
    Imtrain=cell2mat(imtrain);
    Lshow=10;%顯示的人數(shù)
    showdata= Imtrain(1:Lshow*112, 1:Lmax*92);
    imshow( showdata,[]);
    title('聚類結(jié)果');
end
    %選擇圖片識(shí)別,隨機(jī)選擇圖像
    r=randi(40);
    rr=randi(10);
    d=num2str(rr);
    d=['_',d,'.bmp'];
    r=int2str(r);
    d=[b r d];
    select_img=imread(d);  
    figure
    subplot(121); imshow(select_img);title('你選擇的圖片')
    M=double(select_img);
    num=1;%用最大的奇異值作特征值
    x=1;
    i=1;
    if (featureNumber == 8)
        for j=1:4
            for k=1:2
                %將圖片的灰度矩陣劃分成8塊小矩陣
                temp=M((j-1)*28+1:j*28,(k-1)*46+1:k*46);
                %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                [u,temp1,v]=svd(temp);
                %提取一個(gè)的SVD系數(shù)作為特征值
                temp2=temp1(num,num);
                %得到所有圖片的特征矩陣
                f((x-1)*10+i,(j-1)*2+k)=temp2;
             end
        end
    end
    if (featureNumber == 16)
       for j=1:4
           for k=1:4
               %將圖片的灰度矩陣劃分成16塊小矩陣
               temp=M((j-1)*28+1:j*28,(k-1)*23+1:k*23);
               %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
               [u,temp1,v]=svd(temp);
               %提取最大的SVD系數(shù)作為特征值
               temp2=temp1(num,num);
               %得到所有圖片的特征矩陣
               f((x-1)*10+i,(j-1)*4+k)=temp2;
            end
        end
    end
    if (featureNumber == 24)
        for j=1:6
             for k=1:4
                 %將圖片的灰度矩陣劃分成24塊小矩陣
                 temp=M((j-1)*18+1:j*18,(k-1)*23+1:k*23);
                 %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                 [u,temp1,v]=svd(temp);
                 %提取最大的SVD系數(shù)作為特征值
                 temp2=temp1(num,num);
                 %得到所有圖片的特征矩陣
                 f((x-1)*10+i,(j-1)*4+k)=temp2;
              end
         end
     end
     if (featureNumber == 32)
         for j=1:8
             for k=1:4
                 %將圖片的灰度矩陣劃分成32塊小矩陣
                 temp=M((j-1)*14+1:j*14,(k-1)*23+1:k*23);
                 %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                 [u,temp1,v]=svd(temp);
                 %提取最大的SVD系數(shù)作為特征值
                 temp2=temp1(num,num);
                 %得到所有圖片的特征矩陣
                 f((x-1)*10+i,(j-1)*4+k)=temp2;
              end
          end
     end
     if (featureNumber == 48)
         for j=1:8
             for k=1:6
                 %將圖片的灰度矩陣劃分成48塊小矩陣
                 temp=M((j-1)*14+1:j*14,(k-1)*15+1:k*15);
                 %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                 [u,temp1,v]=svd(temp);
                 %提取最大的SVD系數(shù)作為特征值
                 temp2=temp1(num,num);
                 %得到所有圖片的特征矩陣
                 f((x-1)*10+i,(j-1)*6+k)=temp2;
             end
          end
     end
      if (featureNumber == 64)
          for j=1:8
              for k=1:8
                  %將圖片的灰度矩陣劃分成64塊小矩陣
                  temp=M((j-1)*14+1:j*14,(k-1)*11+1:k*11);
                  %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                  [u,temp1,v]=svd(temp);
                  %提取最大的SVD系數(shù)作為特征值
                  temp2=temp1(num,num);
                  %得到所有圖片的特征矩陣
                  f((x-1)*10+i,(j-1)*8+k)=temp2;
              end
          end
      end
      if (featureNumber == 80)
          for j=1:10
               for k=1:8
                   temp=M((j-1)*11+1:j*11,(k-1)*11+1:k*11); %將圖片的灰度矩陣劃分成80塊小矩陣
                   [u,temp1,v]=svd(temp); %對(duì)每個(gè)小矩陣進(jìn)行SVD變換
                   temp2=temp1(num,num);%提取最大的SVD系數(shù)作為特征值
                   f((x-1)*10+i,(j-1)*8+k)=temp2; %得到所有圖片的特征矩陣
               end
           end
      end
      f=f';
      pnewn1 = mat2gray(f);
      result_test=sim(net,pnewn1);
      [C,I]=max(result_test);
      disp([ '該圖像屬于第',num2str(I),'個(gè)人的人臉圖像']);
      subplot(122); imshow(strcat('s',num2str(I),'_', '1.bmp'));title('他/她的第一張圖像')

訓(xùn)練過程

識(shí)別結(jié)果

需要orl人臉庫圖像的評(píng)論一下喔。