人脸识别 - Python

Question

我正在尝试使用Python通过主成分分析（PCA）进行人脸识别。现在，我能够获得训练图像“images”和输入图像“input_image”之间的最小欧几里得距离。以下是我的代码：

import os
from PIL import Image
import numpy as np
import glob
import numpy.linalg as linalg

#Step1: put database images into a 2D array
filenames = glob.glob('C:\\Users\\me\\Downloads\\/*.pgm')
filenames.sort()
img = [Image.open(fn).convert('L').resize((90, 90)) for fn in filenames]
images = np.asarray([np.array(im).flatten() for im in img])

#Step 2: find the mean image and the mean-shifted input images
mean_image = images.mean(axis=0)
shifted_images = images - mean_image

#Step 3: Covariance
c = np.asmatrix(shifted_images) * np.asmatrix(shifted_images.T)

#Step 4: Sorted eigenvalues and eigenvectors
eigenvalues,eigenvectors = linalg.eig(c)
idx = np.argsort(-eigenvalues)
eigenvalues = eigenvalues[idx]
eigenvectors = eigenvectors[:, idx]

#Step 5: Only keep the top 'num_eigenfaces' eigenvectors
num_components = 20
eigenvalues = eigenvalues[0:num_components].copy()
eigenvectors = eigenvectors[:, 0:num_components].copy()

#Step 6: Finding weights
w = eigenvectors.T * np.asmatrix(shifted_images) 
# check eigenvectors.T/eigenvectors 

#Step 7: Input image
input_image = Image.open('C:\\Users\\me\\Test\\5.pgm').convert('L').resize((90, 90))
input_image = np.asarray(input_image).flatten()

#Step 8: get the normalized image, covariance, 
# eigenvalues and eigenvectors for input image
shifted_in = input_image - mean_image
c = np.cov(input_image)
cmat = c.reshape(1,1)
eigenvalues_in, eigenvectors_in = linalg.eig(cmat)

#Step 9: Find weights of input image
w_in = eigenvectors_in.T * np.asmatrix(shifted_in) 
# check eigenvectors/eigenvectors_in

#Step 10: Euclidean distance
d = np.sqrt(np.sum(np.asarray(w - w_in)**2, axis=1))
idx = np.argmin(d)
print idx

我的问题是，我想返回与最小欧几里得距离相对应的图像（或其在数组images中的索引），而不是它在距离数组d中的索引。

- user2229953

Answer 1

我不相信你修改了w中存储图像的顺序，与images中的顺序相比，因此np.argmin(d)返回的idx应该是images列表中的相同索引，所以

images[idx]

应该是您想要的图片。

当然，

images[idx].shape

将会给出(1800,)，因为它仍然是扁平化的。如果你想要展开它，可以这样做：

images[idx].reshape(90,90)

- askewchan

---

我不认为这是正确的。因为images包含30张图片（3个人脸，每个人10张）。而d由20个距离组成，所以idx的最大值为20，因此如果测试图片input_images包含第3张图片（输出应该在21-30之间），我永远无法得到正确的结果。 - user2229953

我看到，在我使用的虚构数据中并非如此 :-P - askewchan