基于MATLAB的人脸识别报告.doc

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：0.51M 资料格式：doc 举报版权申诉

woshiwangxin0-10141865-4744300845375327948.doc.pdf-第1页.png

第1页 / 共9页

woshiwangxin0-10141865-4744300845375327948.doc.pdf-第2页.png

第2页 / 共9页

woshiwangxin0-10141865-4744300845375327948.doc.pdf-第3页.png

第3页 / 共9页

woshiwangxin0-10141865-4744300845375327948.doc.pdf-第4页.png

第4页 / 共9页

woshiwangxin0-10141865-4744300845375327948.doc.pdf-第5页.png

第5页 / 共9页

woshiwangxin0-10141865-4744300845375327948.doc.pdf-第6页.png

第6页 / 共9页

woshiwangxin0-10141865-4744300845375327948.doc.pdf-第7页.png

第7页 / 共9页

woshiwangxin0-10141865-4744300845375327948.doc.pdf-第8页.png

第8页 / 共9页

科学计算与数据处理实验报告

科学计算与数据处理实验报告课程名称：科学计算与数据处理实验课程编号：指导教师：学生姓名：学号：实验名称：基于 MATLAB 实现人脸识别成绩：二〇一七年十月 1

学号实验名称实验目的科学计算与数据处理实验报告姓名基于 MATLAB 实现人脸识别 1、深入研究 MATLAB 在计算机相关的某一专业领域的综合应用 2、熟悉 MATLAB 中专业级 Toolbox 或 Simulink 的功能和用法 3、学会综合运用 MATLAB 解决本领域科学计算与数据处理的实际问题 4、探索如何使用 MATLAB 进行图像简单处理，进而识别人脸实验方案一、人脸识别的基本原理和方法目前，人脸识别在图形图像领域中应用较为广泛，主要肤色建模方法有：阈值法，简单高斯模型，混合高斯模型，直方图统计和区域级检测。通过比较 RGB，HSV，Ycbcr 空间，发现 Ycbcr 和 HSV 空间在进行人脸肤色分割方面由于肤色范围紧密，不易受光照其他物体干扰。但是 RGB 与 HSV 空间的转换相比 RGB 到 Ycbcr 空间转换来说较为复杂些，所以我们采用 Ycbcr 空间进行人脸肤色的建模与分割。在 YCbCr 色彩空间内对肤色进行了建模发现，肤色聚类区域在 Cb—Cr 子平面上的投影将缩减，与中心区域显著不同。采用这种方法的图像分割已经能够较精确的将人脸和非人脸分割开来。分割完成后进行二值化作形态学处理，最后度量区域属性、筛选矩形块，最终标记处人脸。本文的主要任务就是编写 MATLAB 程序，实现人脸识别。二、实验方案基于 MATLAB 的人脸识别程序主要包含三个程序模块，人脸识别主程序、图像分割程序以及人脸的确认程序。图像分割程序中，利用肤色可以较精确地将人脸和非人脸区域分割开来，得到处理后的二值化图像。人脸的确认程序，以存储的所有矩形区域作为研究对象，当区域内有眼睛存在时，才认为此区域为人脸区域。人脸识别主程序由三部分构成。首先：将图像转化为 YCbCr 颜色空间，根据色彩模型进行图像二值化，进行形态学处理，显示二值图像。其次：采用标记方法选取出图中的白色区域，度量区域属性，存放经过筛选以后得到的所有矩形块，筛选特定区域，存储人脸的矩形区域。最后：对于所有人脸的矩形区域，如果满足条件的矩形区域大于 1 则再根据其他信息进行筛选，标记最终的得到的人脸区域。（1）人脸和非人脸区域分割程序（M 函数文件）：division.m function result = division(Y,Cb,Cr) a=25.39; b=14.03; 2

ecx=1.60; ecy=2.41; sita=2.53; cx=109.38; cy=152.02; xishu=[cos(sita) sin(sita);-sin(sita) cos(sita)]; %如果亮度大于 230，则将长短轴同时扩大为原来的 1.1 倍 if(Y>230) a=1.1*a; b=1.1*b; end %根据公式进行计算 Cb=double(Cb); Cr=double(Cr); t =[(Cb-cx);(Cr-cy)]; temp=xishu*t; value=(temp(1)-ecx)^2/a^2+(temp(2)-ecy)^2/b^2; %大于 1 则不是肤色，返回 0；否则为肤色，返回 1 if value>1 result=0; else result=1; end end （2）人脸筛选、确认程序（M 函数文件）：sure.m function eyes= sure(bimage,x,y,w,h) part=zeros(h,w); %二值化函数处理，255 和 0 for i=y:(y+h) for j=x:(x+w) if bimage(i,j)==0 part(i-y+1,j-x+1)=255; else part(i-y+1,j-x+1)=0; end end end [L,num]=bwlabel(part,8); %判断眼睛算法，如果区域中有两个以上的矩形则认为有眼睛 if num<2 eyes=0; else 3

eyes=1; end end （3）MATLAB 主函数 M=imread('C:\Users\Administrator\Desktop\face4.jpg');%读入原始图像 gray=rgb2gray(M); ycbcr=rgb2ycbcr(M); heighth=size(gray,1); width=size(gray,2); for i=1:heighth %将图像转化为 YCbCr 空间 %读取图像尺寸大小 %利用肤色模型二值化图像 for j=1:width Y=ycbcr(i,j,1); Cb=ycbcr(i,j,2); Cr=ycbcr(i,j,3); if(Y<80) gray(i,j)=0; else if(division(Y,Cb,Cr)==1) %根据色彩模型进行图像二值化 gray(i,j)=255; gray(i,j)=0; else end end end %二值图像形态学处理 %选出图中的白色区域 %度量区域属性 %存放经过筛选以后得到的所有矩形块 end se=strel('arbitrary',eye(5)); gray=imopen(gray,se); figure;imshow(gray) [L,num]=bwlabel(gray,8); stats=regionprops(L,'BoundingBox'); n=1; result=zeros(n,4); figure,imshow(M); hold on; for i=1:num box=stats(i).BoundingBox; x=box(1);%矩形坐标 X y=box(2);%矩形坐标 Y w=box(3);%矩形宽度 w h=box(4);%矩形高度 h ratio=h/w;%宽度和高度的比例 ux=uint16(x); uy=uint8(y); 4 %开始筛选特定区域

if ux>1 ux=ux-1; end if uy>1 uy=uy-1; end if w<40 || h<40|| w*h<700 %矩形长宽的范围和矩形的面积可自行设定，这是第二次矩形框大小 continue elseif ratio<2 && ratio>0.6 && sure(gray,ux,uy,w,h)==1 %根据“三庭五眼”规则高度和宽度比例应该在（0.6,2）内； result(n,:)=[ux uy w h]; n=n+1; end end if size(result,1)==1 && result(1,1)>0 %对可能是人脸的区域进行标记 rectangle('Position',[result(1,1),result(1,2),result(1,3),result(1,4)],'EdgeColor','r'); else %如果满足条件的矩形区域大于 1,则进行其他信息的筛选 a=0; arr1=[];arr2=[]; for m=1:size(result,1) m1=result(m,1); m2=result(m,2); m3=result(m,3); m4=result(m,4); %得到符合和人脸匹配的数据 if m1+m3

%最终确定人脸 if m1+m3

经过二值化处理过的图片经过二值化处理后，初步分别出三个女士的脸部轮廓。下面需要进行筛选脸部区域。如下图。最终的识别人脸照片红线矩形框内，标出的便是大致的脸部轮廓，并还原出原图。 7

2）第一次处理结果如下，与第一次处理步骤相同。原图二值化处理后 8

分享到：

赞收藏

资料库

基于MATLAB的人脸识别报告.doc

相关推荐

开发技术

热门标签

最新资料