大家都说gabor做人脸识别是传统方法中效果最好的，这几天就折腾实现了下，网上的python实现实在太少，github上的某个版本还误导了我好几天，后来采用将C++代码封装成dll供python调用的方式，成功解决。

    图像经多尺度多方向的gabor变换后，gabor系数的数目成倍上升，所以对gabor系数必须进行降维才能送至后续的SVM分类器。测试图像使用att_faces数据集（40种类型，每种随机选5张训练，5张识别），降维方式我测试了DCT、PCA两种变换方式，说实话，dct不怎么靠谱，居然准确率不到70%，所以我有点怀疑网页 http://blog.csdn.net/bxyill/article/details/793785的实现效果，PCA方式也一般，平均识别率95%左右吧；同时测试了直接下采样、均值滤波后采样、最大值滤波后采样三种方式，它们的平均识别率分别为98.6%、98.5%、99%左右。可见，最大值滤波后再下采样的方式是最好的，其他的非线性降维方法没试过，我也不太懂

    下面是python实现代码，不到50行哦

#coding:utf-8
import numpy as np
import cv2, os, math, os.path, glob, random
from ctypes import *
from sklearn.svm import LinearSVC

dll = np.ctypeslib.load_library(‘zmGabor‘, ‘.‘) 				#调用C++动态链接库
print dll.gabor
dll.gabor.argtypes = [POINTER(c_uint8), POINTER(c_uint8), c_int32, c_int32, c_double, c_int32, c_double, c_double]


def loadImageSet(folder, sampleCount=5):
    trainData = http://www.mamicode.com/[]; testData = []; yTrain=[]; yTest = [];>

gabor变换人脸识别的python实现，att_faces数据集平均识别率99%