基于matlab的人臉識別源程序-wenkub.com
2024-11-03 08:39 本頁面
【正文】 實驗結(jié)果表明 ,系統(tǒng)算法是有效的 ,具有較高的檢測性能和低的誤判率。 采用數(shù)學(xué)形態(tài)學(xué)和一些先驗知識對所得到的膚色區(qū)域進行人臉特征篩選 ,進一步剔除非人臉膚色區(qū)域 ,減少候選人臉數(shù)量 ,簡化后續(xù)檢測過程的處理。 本文針對復(fù)雜背景下的彩色正面人臉圖像 ,將膚色分割、模板匹配與候選人臉圖像塊篩選結(jié)合起來 ,構(gòu)建了人臉檢測實驗系統(tǒng) ,并用自制的人臉圖像數(shù)據(jù)庫在該系統(tǒng)下進行了一系列的實驗統(tǒng)計。y39。,FaceCoord(i,:))。 RectCoord]。 subplot(2,3,6)。 final_image = uint8(double(source_with_hole) + double(mfit))。 % 計算此區(qū)域面積 if (A/S) [ccorr,mfit, RectCoord] = mobanpipei(justface,frontalmodel,ly,wx, cx,cy, angle)。 % 寬度 ly = (d u + 1)。holes39。 % 求此區(qū)域的偏轉(zhuǎn)角度 bw = imrotate(bwsegment, angle, 39。holes39。 % 計算此區(qū)域的空洞數(shù) if (numholes = 1) % 若此區(qū)域至少包含一個洞，則將其選出進行下一步運算 RectCoord = 1。 % 將原照片轉(zhuǎn)換為灰度圖像 [L,N]=bwlabel(two_value,8)。E:\我的照片 \人臉模板 .jpg39。 two_value(find(image_lowoptimalThreshold)) = 1。 changelist = [changelist change]。 changelist = []。 image_low=filter2(low_pass, p)。)。 else rr(i,j)=R1(i,j)/RGB(i,j)。 % 方差 row=size(Ori_Face,1)。 RGB=R1+G1+B1。 B=Ori_Face(:,:,3)。Warning...39。 subplot(2,3,1),imshow(Ori_Face)。F39。P39。G39。)。 % 圖片格式代表值 switch y case 0 errordlg(39。Please choose a color picture...39。*.tif39。*.jpg39。 sy = starty+u。 end。 starty = checklimit(starty,limy)。 starty = cymody。 % 產(chǎn)生一個覆蓋了人臉模板的灰度圖像 mfit = zeros(size(mult))。 % 旋轉(zhuǎn)模板 [l,r,u,d] = bianjie(model_rot)。)。 end。 6. 求起始坐標(biāo) function newcoord = checklimit(coord,maxval) newcoord = coord。 end。 end。 end。 end。 break。 if (left ~= 1) break。 for j=1:n, for i=1:m, if (A(i,j) ~= 0) left = j。 left = 1。 b = 2 * b。 b = b + (j xmean) * (i ymean) * bw(i,j)。 a = 0。 xmean = round(xmean)。 if(area==0) xmean=0。 for i=1:m, for j=1:n, xmean = xmean + j*bw(i,j)。 [m n] =size(bw)。 m=mean([r,g]) n=cov([r,g]) function [xmean, ymean] = center(bw) bw=bwfill(bw,39。)。)。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1