900字范文 > 使用MATLAB控制笔记本电脑的摄像头并进行实时人脸检测和识别

使用MATLAB控制笔记本电脑的摄像头并进行实时人脸检测和识别

时间：2019-11-07 17:53:12

FPGA教程目录

MATLAB教程目录

-----------------------------------------------------------------------

一、理论基础

二、核心程序

三、仿真测试结果

一、理论基础

人脸识别过程主要由四个阶段组成：人脸检测、图像预处理、面部特征提取和特征识别。首先系统从视频或者相机中捕获图像，检测并分割出其中的人脸区域；接下来通过归一化、对齐、滤波等方法改善图像的质量，这里的质量主要由最终的人脸识别率决定；特征提取（降维）环节尤为重要，其初衷是减少数据量从而减轻计算负担，但良好的特征选取可以降低噪音和不相关数据在识别中的贡献度，从而提高识别精度；特征识别阶段需要根据提取的特征训练一个分类器，对于给定的测试样本，根据训练器对其进行分类。

当定位好人脸的时候，我们进行识别，识别的主要原理如下：

GRNN广义回归神经网络的理论基础是非线性核回归分析，非独立变量y相对于独立变量x的回归分析实际上是计算具有最大概率值的y。设随机变量x和y的联合概率密度函数为f (x ,y)，已知x的观测值为X，则y相对于X的回归，即条件均值为：

对于未知的概率密度函数f (x, y)，可由x和y的观测样本经非参数估计得：

GRNN通常被用来进行函数逼近。它具有一个径向基隐含层和一个特殊的线性层。第一层和第二层的神经元数目都与输入的样本向量对的数目相等。GRNN结构如图2-3所示，整个网络包括四层神经元：输入层、模式层、求和层与输出层。

GRNN广义回归神经网络进行映射学习达到了很好的效果.这些流形的方法都建立在一个假设上:同一个人不同姿态的图像是高维空间中的一个低维流形.基于这个假设,不同人在姿态变化下可以获得较好的识别效果。

在matlab中，通过如下的驱动程序控制笔记本电脑的摄像头：

%Set up video object. Note: to change to a different camera (or camera setup) change the following line:vid = videoinput('winvideo',1,'YUY2_640x480');%Set the video object to always return rgb images:set(vid, 'ReturnedColorSpace', 'rgb');triggerconfig(vid,'manual');start(vid)%Initialize frame Frm and fps variableFrm= 0;fps= 0;%Set the total runtime in seconds runtime = 100;h = figure(1);tic;timeTracker = toc;

通过程序vid = videoinput('winvideo',1,'YUY2_640x480');完成摄像头图像的采集。

二、核心程序

clc;clear;close all;warning off;addpath 'func\'addpath 'facebase\'delete(imaqfind);%Set up video object. Note: to change to a different camera (or camera setup) change the following line:vid = videoinput('winvideo',1,'YUY2_640x480');%Set the video object to always return rgb images:set(vid, 'ReturnedColorSpace', 'rgb');triggerconfig(vid,'manual');start(vid)%Initialize frame Frm and fps variableFrm= 0;fps= 0;%Set the total runtime in seconds runtime = 100;h = figure(1);tic;timeTracker = toc;load grnns.matwhile toc < runtime tocFrm = Frm + 1;%获得摄像头图像I = getsnapshot(vid);%人脸跟踪[segment,f,R0,R1] = func_face_track(I);%获得人脸区域figure(1);subplot(221);imshow(uint8(I));title('摄像头视频获取');subplot(222);imshow(f);subplot(223);imshow(R1);title('脸部定位');%人脸识别（测试前需要加入自己所要测试的人脸的相关库。比如你要测试你自己的脸，那么需要加入你的脸道库中）R0re = imresize(R0,[220,160]);Ttest = func_yuchuli(R0re);%读入数字wordsss = sim(net,Ttest');[V,I] = max(wordsss);%显示识别结论Icheck = imread(['facebase\',num2str(I-1),'.jpg']);subplot(224);imshow(Icheck);title('识别结论');pause(0.5);endstop(vid)

clc;clear;close all;warning off;addpath 'func\'addpath 'facebase\'I = imread('1.jpg');%%%人脸跟踪[segment,f,R0,R1] = func_face_track(I);%获得人脸区域figuresubplot(221);imshow(I);subplot(222);imshow(f);subplot(223);imshow(R1);title('脸部定位');%%%人脸识别（测试前需要加入自己所要测试的人脸的相关库。比如你要测试你自己的脸，那么需要加入你的脸道库中）%人脸库的离线训练R0re = imresize(R0,[220,160]);Ttest = func_yuchuli(R0re);%读入数字load grnns.matwordsss = sim(net,Ttest');[V,I] = max(wordsss);%显示识别结论Icheck = imread(['facebase\',num2str(I-1),'.jpg']);subplot(224);imshow(Icheck);title('识别结论');