얼굴 인식 - Python

Question

으로 얼굴 인식을 시도하고 있습니다. 주성분 분석 (PCA)에서 python을 사용하고 있습니다.

이제 교육용 이미지 images과 입력 이미지 input_image 사이의 최소 유클리드 거리를 얻을 수 있습니다. 여기 내 코드입니다 :

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 

내 문제는 지금이 나는 최소 유클리드 거리 거리의 배열하지의 인덱스 (배열 images 또는 인덱스) 이미지를 반환 할 d

Answer 1

난 당신이 이미지를 images에 따라서 np.argmin(d)에서 idx이 images 목록의 동일한 인덱스해야에 비해 w에 저장되는 순서 수정 한 것을 믿지 않는, 그래서

images[idx] 

은 원하는 이미지 여야합니다. 그것은 여전히 ​​평평 있기 때문에 (1800,)을 줄 것이다

images[idx].shape 

물론

. 평평하게하지 않으려면 다음을 수행하십시오.

images[idx].reshape(90,90)