matlab人脸识别教程PPT下载

这是一个关于matlab人脸识别教程PPT，包括了基本介绍，实验梗概，实验程序与结果显示，实验不足，心得体会等内容，人脸识别系统设计 目录 一.基本介绍 ·什么是人脸识别 ·研究背景与意义 二. 实验梗概 ·实验用到的函数 三.实验程序与结果显示 四.实验不足 五.心得体会 一.基本介绍 1.什么是人脸识别 人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。它的工作原理是借由的生物特征来确认生物个体。本实验只是将定位人脸，将人脸从图像中区分出来。2.研究背景与意义： 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值，欢迎点击下载matlab人脸识别教程PPT哦。

matlab人脸识别教程PPT是由红软PPT免费下载网推荐的一款仪器设备PPT类型的PowerPoint.

人脸识别系统设计 目录 一.基本介绍 ·什么是人脸识别 ·研究背景与意义 二. 实验梗概 ·实验用到的函数 三.实验程序与结果显示 四.实验不足 五.心得体会 一.基本介绍 1.什么是人脸识别 人脸识别，特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。它的工作原理是借由的生物特征来确认生物个体。本实验只是将定位人脸，将人脸从图像中区分出来。2.研究背景与意义： 人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。 在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。作为一项具有最广泛应用前景的人体识别技术，人脸识别将得到越来越多的重视。 二. 实验梗概 本次实验利用MATLAB软件实现人脸信息的识别，在输入的整幅图像中寻找人脸区域，把图像分割成两个部分——人脸区域和非人脸区域，从而为后续的应用作准备。 实验利用YCbCr空间以及二值图像实现人脸边缘分割，将真彩图像转换为YCbCr图像，根据面部肌肤在YCbCr色度空间的分布范围，设定门限阀值，实现人脸区域与非人脸区域的分割，通过膨胀腐蚀等一系列运算剔除干扰因素，再结合长宽比、目标面积等计算方法在图像中分割出人脸区域，经试验，该方法能够排除面部表情、发型、衣着背景等干扰而确定人脸区域。 实验用到的函数：将rgb图像转化为ycbcr图像：rgb2ycbcr 设置用于膨胀腐蚀及开闭运算等操作的对象：strel 对灰度图像进行闭运算（即先膨胀后腐蚀）：imclose 对灰度图像进行开运算（即先腐蚀后膨胀）： imopen 填充图像区域和空洞：imfill 实现腐蚀操作：imerode 实现膨胀操作：imdilate 设置操作的邻域类型：bwlabeln 用于返回所需元素所在位置：find 用于联结数组：cat 求矩阵最小/最大值：min/max 三.程序与结果显示 原图像 sum=0; Ori_Face=f; copy=f; img=f; f=rgb2ycbcr(f); f_cb=f(:，:，2); f_cr=f(:，:，3); f= (f_cb>=100) & (f_cb<=127) & (f_cr>=138) &(f_cr<=170) ; imshow(f) se=strel('square'，3);%构建一个3*3单位矩阵作为结构元素 f=imopen(f，se);%图片开运算 f=imclose(f，se);%图片闭运算 figure(3) imshow(f) f=imfill(f，'holes');%%填孔处理 imshow(f); se1=strel('square'，8); f=imerode(f，se1); f=imdilate(f，se1); imshow(f);%区域连通 [L，num]=bwlabeln(f，4);%设定操作的邻域类型为4-领域 for i=1:num; [r，c]=find(L==i); r_temp=max(r)-min(r); c_temp=max(c)-min(c); temp=size(r); sum=sum+temp(1); area_sq=r_temp*c_temp; area=size(find(L==i)，1); ratio=area/area_sq; if((r_temp/c_temp<1.25)|(r_temp/c_temp>2.5)|ratio<0.55|area<600) for j=1:temp(1) L(r(j)，c(j))=0; end else continue; end end L=bwperim(L，8);%边缘检测，检测出人脸的边缘区域 L=uint8(L); z=find(L(:)>0); L(z)=255; imshow(L); 检测出人脸边缘图像 L_r=L; L_g=L; L_b=L; L_rgb=cat(3，L_r，L_g，L_b);%在原图上加框 img1_r=min(L_r+img(:，:，1)，255); img1_g=min(L_g+img(:，:，2)，255); img1_b=min(L_b+img(:，:，3)，255); img1=cat(3，img1_r，img1_g，img1_b); imshow(img1); 结果图像： 四.实验不足 1.图片所拍摄下的人脸必须是正对着摄像机镜头，对于俯视，侧视的拍摄并不能识别人脸。 2.由于实验用人脸面积大小进行非人脸排除，所以当图片中人物脸部面积很小时，将被视为非人脸。 3.实验是根据面部肌肤在YCbCr色度空间的分布范围，设定门限阀值，实现人脸区域与非人脸区域的分割，所以当人脸颜色太白或太黑将无法识别。 4.如结果图所示，所使用的方法不能有效的将人脸锁骨部分在图片中剔除，因为当真彩图片转换为YCbCr空间时人脸的下颚和脖颈，锁骨部分是默认为不具有层次感的，直接作为一张灰度图片存储到计算机中进行后续处理。 这些是需改进的地方。 五.心得体会 1. 在本次实验中遇到的问题： ①自选图像进行处理时，显示所用图像不存在。解决方法：在current folder中添加所用图像所在的地址。 ②图像处理结果中手的部分被误判为人脸。解决方法在程序排除非人脸部分中添加了将小面积区域排除的语句，但这也导致在当图片中人脸面积很小时无法辨别出来 2. 巩固加深了matlab中一些图像处理函数（ strel ， imclose ， imopen， imfill， imerode， imdilate， bwlabeln， cat等 ）的使用方法。vmg红软基地