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