基于matlab的人臉識別源程序(參考版)
2024-11-11 08:39本頁面
【正文】 。 最后構(gòu)建了基于膚色分割和模板驗證的人臉檢測試驗系統(tǒng) ,并對該系統(tǒng)采用自制人臉圖像數(shù)據(jù)庫進行測試。 本文使用平均模板匹配方法對候選人臉進行確認 ,并針對圖像中的人臉通常有一定角度旋轉(zhuǎn)和尺寸大小不確定的問題 ,通過計算候選人臉圖像塊的偏轉(zhuǎn)角度和面積 ,并以此調(diào)整模板 ,優(yōu)化模板配準 ,提高模板匹配的準確性 ,同時避免使用多尺度模板進行多次匹配運算 ,提高算法效率。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 ,在最佳動態(tài)閾值選取算法下完成膚色區(qū)域的分割。 本文首先介紹了人臉檢測技術(shù)研究的背景和現(xiàn)狀 ,闡明人臉檢測技術(shù)發(fā)展的重要意義 ,對目前常用的一些檢測算法進行了總結(jié) ,然后著重闡述了基于膚色分割和模板匹配驗證的人臉檢測算法。近年來 ,在模式識別與計算機視 覺領(lǐng)域 ,人臉檢測己經(jīng)成為一個受到普遍重視、研究十分活躍的方向。)。, 39。 set(hd, 39。Position39。 end end end end % 在認為是人臉的區(qū)域畫矩形 [numfaces x] = size(FaceCoord)。 if (RectCoord ~= 1) FaceCoord = [FaceCoord。imshow(Ori_Face)。 % 顯示覆蓋了模板臉的灰度圖像 imsourcegray = final_image。 subplot(2,3,5)。 source_with_hole = uint8(double(invbw) .* double(imsourcegray))。 end if (ccorr=) mfitbw=(mfit=1)。 % 計算包含此區(qū)域矩形的面積 A=bwarea(bwsegment)。 % 高度 wratio = ly/wx % 高寬比 if ((=wratio)amp。 wx = (r l +1)。)。 bw = bwfill(bw,39。bilinear39。 % 只在原照片的灰度圖像中保留該候選區(qū)域 angle = orient(bwsegment,cx,cy)。)。 % 求此區(qū)域的質(zhì)心 bwnohole=bwfill(bwsegment,39。 [m n] = size(bwsegment)。 % 選擇出第 i個顆粒 numholes = 1bweuler(bwsegment,4)。 % 標注二值圖像中連接的部分 ,L 為數(shù)據(jù)矩陣， N為顆粒的個數(shù) for i=1:N, [x,y]=find(bwlabel(two_value)==i)。 imsourcegray=rgb2gray(Ori_Face)。)。 % 顯示二值圖像 frontalmodel=imread(39。 % 二值化 subplot(2,3,4)。 optimalThreshold = (7I)* two_value = zeros(i,j)。 previousSkin2 = two_value。 change = sum(sum(two_value previousSkin2))。 for threshold = :: two_value = zeros(i,j)。 % 自適應閥值程序 previousSkin2 = zeros(i,j)。 % 低通濾波去噪聲 subplot(2,3,3)。 % 顯示皮膚灰度圖像 low_pass=1/9*ones(3)。 % 皮膚概率服從高斯分布 end end end subplot(2,3,2)。 p(i,j)=exp(()*(xm)*inv(n)*(xm)39。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1