2DPCA人脸识别提取Gabor特征，用2DPCA进行人脸识别。在Yale数据库上测试，识别率较高，速度很快。

clear; 
clear all;
facesz = [25 25]; % face size
sampleRate = 6; % Gabor降采样率
gAngle = 0:1:7; % 4个Gabor核参数
gScale = 0:4;
gShape = 1.8*pi;
gWinLen = 0; % Gabor核的长宽，0表示自行计算
N_Class=15;
N_face=1;
a=[];
W=25*5
H=25*8
img_per=[];
img_class=[];
img_vector=[];
img_face=[];
MT=zeros（WH）;
temp=zeros（WH）;
A=zeros（WW）;
L=[];
T=[];
K=[];
right=0;
err=0;
I=[];
img1_face=[];
dd=70;
M=N_Class*N_face;

   [g gWinLen] = genGaborKernel（gAnglegScalegShapegWinLen）;
   for i=1:N_Class
    S=zeros（WH）;
    for j=1:N_face
        gabor_image=[];
        img_per=[];
        D1=[];
      a=[‘C:\Users\john archie\Desktop\52920923Gabor_face\Gabor_face\Yalefaces\‘ num2str（i） ‘\s‘ num2str（j） ‘.bmp‘]
      %  a=[‘C:\Documents and Settings\Administrator\桌面\Gabor_face\ATfaces\‘ num2str（i） ‘\‘ num2str（j） ‘.bmp‘]
         %a=[‘C:\Documents and Settings\Administrator\桌面\hmm_matlab\hmm_matlab\face\s‘ num2str（i） ‘\‘ num2str（j） ‘.jpg‘]; 
         I=imread（a）;
        
    I1=imresize（ I [25 25] ‘bilinear‘ ）;
      tic
     [ GgWinLen ] = genGaborKernelF（ ggWinLen facesz ）;
     gabor_image = gaborConvF（double（I1）GgWinLen）
     %size（gabor_image）;
     toc
       D1=cell2mat（（gabor_image））;
        imshow（uint8（D1））;
         % for k=1:W
          %  p=I（k:）; 
          %  img_per=[img_perp];
         % end
         %img_per=reshape（IW*H1）;
        img_per=D1;
         T=[T img_per];
         MT=MT+1/M*（img_per）;
         S=1/N_face*（img_per）+S;
    end
    K=[K S];
end
size（MT）
size（K）
size（T）
for n=1:N_Class*N_face
  temp=（T（:H*（n-1）+1:H*n））-MT;
  A=1/M*temp*temp‘+A;
end
L=A;
size（L）
[S V]=eig（L）;

L_eig_vec = [];
for i = 1 : size（S2） 
    if（ V（ii）>1 ）
        L_eig_vec = [L_eig_vec S（:i）];
    end
end
%L_eig_vec;
[u1s1v1]=svd（L）;
u1
s1
size（v1）
figure（2）;
imshow（v1）
C=[];
C=v1（:1:dd）;
figure（3）;
size（C）
imshow（C）
Y=[];
B=[];
X=[];
for n=1:N_Class*N_face
  X=（T（:H*（n-1）+1:H*n））;
  B=X‘*C;
  Y=[Y B];
end
size（B）
size（Y）
%B
%Y
B1=[];
X1=[];
S1=[];
for n=1:N_Class
  X1=（K（:H*（n