www.gusucode.com > 关于海航matlab和lingo的训练题 > 人脸成功识别.m

    %8.主程序
clear;
[fname,pname]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.gif'},'Please choose a color picture...');      % 返回打开的图片名与图片路径名
[u,v]=size(fname); 
y=fname(v);                 % 图片格式代表值 
switch y 
    case 0
        errordlg('You Should Load Image File First...','Warning...');
    case{'g';'G';'p';'P';'f';'F'};    % 图片格式若是JPG/jpg、BMP/bmp、TIF/tif或者GIF/gif，才打开
     I=cat(2,pname,fname);
     Ori_Face=imread(I);
     subplot(2,3,1),imshow(Ori_Face);
otherwise                            
    errordlg('You Should Load Image File First...','Warning...'); 
end
R=Ori_Face(:,:,1);
G=Ori_Face(:,:,2);
B=Ori_Face(:,:,3);
R1=im2double(R);                       % 将uint8型转换成double型处理 
G1=im2double(G);
B1=im2double(B);
RGB=R1+G1+B1;
m=[ 0.4144,0.3174];                      % 均值
n=[0.0031,-0.0004;-0.0004,0.0003];          % 方差
row=size(Ori_Face,1);                     % 行像素数
column=size(Ori_Face,2);                  % 列像素数
for i=1:row
    for j=1:column
        if RGB(i,j)==0
           rr(i,j)=0;gg(i,j)=0;
        else
        rr(i,j)=R1(i,j)/RGB(i,j);               % rgb归一化
        gg(i,j)=G1(i,j)/RGB(i,j);
        x=[rr(i,j),gg(i,j)];
        p(i,j)=exp((-0.5)*(x-m)*inv(n)*(x-m)');   % 皮肤概率服从高斯分布
        end
    end
end
subplot(2,3,2);imshow(p);                       % 显示皮肤灰度图像
low_pass=1/9*ones(3);
image_low=filter2(low_pass, p);                  % 低通滤波去噪声
subplot(2,3,3);imshow(image_low); 
% 自适应阀值程序
previousSkin2 = zeros(i,j);
changelist = [];
for threshold = 0.55:-0.1:0.05
two_value = zeros(i,j);
two_value(find(image_low>threshold)) = 1;
change = sum(sum(two_value - previousSkin2));
changelist = [changelist change];
previousSkin2 = two_value;
end
[C, I] = min(changelist);
optimalThreshold = (7-I)*0.1
two_value = zeros(i,j);
two_value(find(image_low>optimalThreshold)) = 1;   % 二值化
subplot(2,3,4);imshow(two_value);                 % 显示二值图像
frontalmodel=imread('z1.jpg');    % 读入人脸模板照片
FaceCoord=[];
imsourcegray=rgb2gray(Ori_Face);                 % 将原照片转换为灰度图像
[L,N]=bwlabel(two_value,8);    % 标注二值图像中连接的部分,L为数据矩阵，N为颗粒的个数 
for i=1:N,
[x,y]=find(bwlabel(two_value)==i);               % 寻找矩阵中标号为i的行和列的下标
bwsegment = bwselect(two_value,y,x,8);           % 选择出第i个颗粒
numholes = 1-bweuler(bwsegment,4);              % 计算此区域的空洞数
if (numholes >= 1)              % 若此区域至少包含一个洞，则将其选出进行下一步运算
RectCoord = -1;
[m n] = size(bwsegment);
[cx,cy]=center(bwsegment);                   % 求此区域的质心
bwnohole=bwfill(bwsegment,'holes');           % 将洞封住（将灰度值赋为1）
justface = uint8(double(bwnohole) .* double(imsourcegray));
                                           % 只在原照片的灰度图像中保留该候选区域
angle = orient(bwsegment,cx,cy);              % 求此区域的偏转角度      
bw = imrotate(bwsegment, angle, 'bilinear');
bw = bwfill(bw,'holes');
[l,r,u,d] =bianjie(bw);
wx = (r - l +1);                            % 宽度
ly = (d - u + 1);                            % 高度
wratio = ly/wx                              % 高宽比
     if ((0.8<=wratio)&(wratio<=2))         
            % 如果目标区域的高度/宽度比例大于0.8且小于2.0，则将其选出进行下一步运算
         S=ly*wx;                              % 计算包含此区域矩形的面积

A=bwarea(bwsegment);                 % 计算此区域面积 
          if (A/S>0.35)
            [ccorr,mfit, RectCoord] = mobanpipei(justface,frontalmodel,ly,wx, cx,cy, angle);
          end
          if (ccorr>=0.6)
            mfitbw=(mfit>=1);
            invbw = xor(mfitbw,ones(size(mfitbw)));
            source_with_hole = uint8(double(invbw) .* double(imsourcegray));
            final_image = uint8(double(source_with_hole) + double(mfit));
            subplot(2,3,5);imshow(final_image);      % 显示覆盖了模板脸的灰度图像
            imsourcegray = final_image;
            subplot(2,3,6);imshow(Ori_Face);        % 显示检测效果图
         end;
         if (RectCoord ~= -1)
         FaceCoord = [FaceCoord; RectCoord];
         end
     end
end
end
% 在认为是人脸的区域画矩形
    [numfaces x] = size(FaceCoord);
    for i=1:numfaces,
     hd = rectangle('Position',FaceCoord(i,:));
     set(hd, 'edgecolor', 'r');
    end
%人脸检测是人脸识别、人机交互、智能视觉监控等工作的前提。近年来,在模式识别与
%计算机视觉领域,人脸检测己经成为一个受到普遍重视、研究十分活跃的方向。
%本文针对复杂背景下的彩色正面人脸图像,将肤色分割、模板匹配与候选人脸图像块筛选结合起来,
%构建了人脸检测实验系统,并用自制的人脸图像数据库在该系统下进行了一系列的实验统计。
%本文首先介绍了人脸检测技术研究的背景和现状,阐明人脸检测技术发展的重要意义,
%对目前常用的一些检测算法进行了总结,然后着重阐述了基于肤色分割和模板匹配验证的人脸检测算法。
%肤色是人脸重要特征,在通过肤色采样统计和聚类分析后,确立一种在YCbCr空间下的基于
%高斯模型的肤色分割方法。在YCbCr色彩空间中建立肤色分布的高斯模型,得到肤色概率似然图像,
%在最佳动态阈值选取算法下完成肤色区域的分割。 采用数学形态学和一些先验知识对所得到
%的肤色区域进行人脸特征筛选,进一步剔除非人脸肤色区域,减少候选人脸数量,
%简化后续检测过程的处理。 本文使用平均模板匹配方法对候选人脸进行确认,
%并针对图像中的人脸通常有一定角度旋转和尺寸大小不确定的问题,通过计算候选人脸图像块的
%偏转角度和面积,并以此调整模板,优化模板配准,提高模板匹配的准确性,同时避免使用多
%尺度模板进行多次匹配运算,提高算法效率。提出利用候选人脸图像区域和模板质心作为配准的原点,
%抑制人脸图像噪声的干扰。 最后构建了基于肤色分割和模板验证的人脸检测试验系统,
%并对该系统采用自制人脸图像数据库进行测试。实验结果表明,系统算法是有效的,
%具有较高的检测性能和低的误判率。  
%对于图象的线性变化,各公司基本都是以如下步骤来解决的(可能各公司的具体算法各异,但基本思路一致)
%1,先对图象进行一个直方图分析.质量好的图象,在直方图上,一定是有两个"高峰".
%一个是峰是图象中较明的部分,一个峰是图象中较暗的分.
%2,在图象发生线性变化的时候,这两个峰会发生平移:图象整体变亮,两峰一起向右移
%图象整体变暗,两峰一起向左移.
%3,根据两峰,来取阀值.通常取峰高度的20%~30%(当然,这个值是可设置的).
%由这个峰高度的20%所对应的灰度值,就是系统自行找出的新阀值.
%这个方法已经相当可靠,可以对付图象的线性变化.所以,目前可公司(注意,指的是作实际应用系统的公司,
%而不是指提供软件包的公司),几乎都采取这个方法来进行测量与检测.
%上面这位朋友一再提到的BLOB的算法,各公司(提供软件包的公司)的在自己的BLOB分析控件中,
%设下的hard thresould以外其他选项,其实都是来对付图象明暗线线变化的手段.
imcrop