MATLAB实现人脸识别

本篇博文基于MATLAB实现人脸识别，基于几何特征的算法，对人脸从图像采集、预处理、到特征点定位提取，校验通过；主要利用YCbCr肤色模型，通过连通分量提取算法定位人脸；对RGB图像通过形态学图像处理算法选定区域，再进行细化算法，找到其人脸坐标并提取出来；然后利用PCA与特征脸算法计算特征值完成识别。

拓展学习：https://download.csdn.net/download/m0_38106923/87720473

项目资源下载请参见：MATLAB实现人脸识别【图像处理实战】

实现步骤如下所示：

1）将训练集的每一个人脸图像都拉长一列，将他们组合在一起形成一个大矩阵A。假设每个人脸图像是MxM大小，那么拉成一列后每个人脸样本的维度就是d=M*N大小了。假设有N个人脸图像，那么样本矩阵A的维度就是d*N了。

2）将所有的N个人脸在对应维度上加起来，然后求个平均，就得到了一个“平均脸”。

3）将N个图像都减去那个平均脸图像，得到差值图像的数据矩阵Φ。

4）计算协方差矩阵C=ΦΦT。再对其进行特征值分解。就可以得到想要的特征向量（特征脸）了。

5）将训练集图像和测试集的图像都投影到这些特征向量上了，再对测试集的每个图像找到训练集中的最近邻或者k近邻啥的，进行分类即可。

对于步骤4，涉及到求特征值分解。如果人脸的特征维度d很大，例如256*256的人脸图像，d就是65536了。那么协方差矩阵C的维度就是d*d=65536x65536。对这个大矩阵求解特征值分解如果N不大的话，可以通过求解C’=ΦTΦ矩阵来获得同样的特征向量，计算相似性用的是欧氏距离。

打开示例程序，可选择静态图像识别或实时识别模式，如下图所示：

初次运行需要保存人脸数据到数据库，否则会弹出警告对话框，状态栏显示提示信息，如下图所示：

选择实时识别或静态图像识别，以静态图像为例打开采集到的人脸图像，保存到数据库即可进行识别。

实时模式下，在左侧相机栏和格式栏，选择相机及分辨率，如下图所示：

开始采集人脸图像，如下图所示：

点击抓拍保存人脸图像，将权限勾选框点选，并在文本输入框中输入名字，并点击保存，将人脸数据保存到数据库。此时左侧状态栏会显示保存的信息，如下图所示：

点击返回到识别页面，再次点击开始采集按钮，抓拍人脸图像，进行识别，结果如下图所示：

当数据库中有多个人脸数据时，会根据匹配准确率进行排序，点击上一条/下一条脸部数据匹配按钮可查看匹配准确率。如下图所示：

项目资源下载请参见：  MATLAB实现人脸识别【图像处理实战】