基于matlab的人臉識(shí)別源程序(完整版)
【正文】 )。[r9,g9]=rgb_RGB(t9)。[r11,g11]=rgb_RGB(t11)。[r13,g13]=rgb_RGB(t13)。[r15,g15]=rgb_RGB(t15)。[r17,g17]=rgb_RGB(t17)。[r19,g19]=rgb_RGB(t19)。[r21,g21]=rgb_RGB(t21)。[r23,g23]=rgb_RGB(t23)。[r25,g25]=rgb_RGB(t25)。[r27,g27]=rgb_RGB(t27)。 bw=double(bw)。 ymean=0。 b = 0。 theta = atan(b/(ac))/2。 break。 end。 end。 if (down ~= 1) break。 function [ccorr, mfit, RectCoord] = mobanpipei(mult, frontalmodel,ly,wx,cx, cy, angle) frontalmodel=rgb2gray(frontalmodel)。 % 求邊界坐標(biāo) bwmodel_rot=imcrop(model_rot,[l u (rl) (du)])。 endx = startx + norig1。 end。39。)。 case{39。39。 otherwise errordlg(39。 R1=im2double(R)。 % 行像素?cái)?shù) column=size(Ori_Face,2)。 % 皮膚概率服從高斯分布 end end end subplot(2,3,2)。 for threshold = :: two_value = zeros(i,j)。 % 二值化 subplot(2,3,4)。 % 標(biāo)注二值圖像中連接的部分 ,L 為數(shù)據(jù)矩陣， N為顆粒的個(gè)數(shù) for i=1:N, [x,y]=find(bwlabel(two_value)==i)。)。)。 end if (ccorr=) mfitbw=(mfit=1)。imshow(Ori_Face)。 set(hd, 39。 本文首先介紹了人臉檢測(cè)技術(shù)研究的背景和現(xiàn)狀 ,闡明人臉檢測(cè)技術(shù)發(fā)展的重要意義 ,對(duì)目前常用的一些檢測(cè)算法進(jìn)行了總結(jié) ,然后著重闡述了基于膚色分割和模板匹配驗(yàn)證的人臉檢測(cè)算法。 。在 YCbCr 色彩空間中建立膚色分布的高斯模型 ,得到膚色概率似然圖像 ,在最佳動(dòng)態(tài)閾值選取算法下完成膚色區(qū)域的分割。, 39。 if (RectCoord ~= 1) FaceCoord = [FaceCoord。 source_with_hole = uint8(double(invbw) .* double(imsourcegray))。 wx = (r l +1)。 % 只在原照片的灰度圖像中保留該候選區(qū)域 angle = orient(bwsegment,cx,cy)。 % 選擇出第 i個(gè)顆粒 numholes = 1bweuler(bwsegment,4)。 % 顯示二值圖像 frontalmodel=imread(39。 change = sum(sum(two_value previousSkin2))。 % 顯示皮膚灰度圖像 low_pass=1/9*ones(3)。gg(i,j)=0。 B1=im2double(B)。,39。39。39。 y=fname(v)。39。 sx = startx+l。 startx = checklimit(startx,limx)。 % 求質(zhì)心 [morig, norig] = size(bwmodel_rot)。bilinear39。 end。 end。 if (right ~= 1) break。 end。 % 從幅度轉(zhuǎn)換到角度 5
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1