机器学习概述课程设计报告MATLAB人脸识别.docx
《机器学习概述课程设计报告MATLAB人脸识别.docx》由会员分享，可在线阅读，更多相关《机器学习概述课程设计报告MATLAB人脸识别.docx（9页珍藏版）》请在冰豆网上搜索。
机器学习概述课程设计报告MATLAB人脸识别
机器学习概述课程设计报告
题目：
MATLAB人脸识别系统
姓名：
**
学号：
**
专业：
**
时间：
2015/8/7
一.课程设计的目的
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。
。
二．设计的内容及要求
1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种进行课程设计
2、要求能完成具体的识别任务：
如图像分割、语音识别、人脸识别
3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。
三．详细设计
YCbCr空间——>灰度图像转换——>噪声消除——>图像填孔——>图像重构——>人脸区域确定——>边缘检测
（原图-涉及个人隐私，未呈现原图）
（YCbCr空间转换）
（噪声消除）
（图像填孔）
（图像重构）
（人脸区域的确定）
（涉及个人隐私）
四．课程设计的总结
通过三天的学习以及课后学习，我利用SVM算法进行人脸识别，由于光照强度的不同、人脸肤色的不同、图片背景的不同往往导致每张图片都具有自身的特色，将人脸区域从背景、衣着、发型等非人类区域中分割出来。
一般使用的RGB图片不适合于建立人脸皮肤模型，因为在RGB空间中，使用三基色（r,g,b）表示图片的亮度以及颜色。
在不同的环境下光照条件的改变，很难将肤色点从非肤色点中分离出来，如果在RGB图像上进行处理，将产生离散的肤色点，图片中间嵌有很多的非肤色点，提高了人脸检测的难度，容易产生不可靠的肤色分割。
解决方法是隔离颜色表达式中的亮度信息与色度信息，充分利用色度空间中肤色所表示出来的聚类性。
为此需要创造这样一个色彩空间，这个空间能把R、G、B所代表的色度信息与亮度信息分开表示。
色彩空间常用的的转换颜色模型主要有：
YIQ、YCbCr、HSV等。
这里，采用YCrCb色彩空间作为报告的设计空间。
经过颜色转换后大大缩减了人脸的搜索范围，为SVM算法提供更有效的方法。
本次课程设计，我学会了很多有用的算法，并能够初步实现，了解机器语言的过程以及了解MATLAB强大的功能。
5．参考文献
[1]姚敏．数字图像处理[M]．机械工业出版社，2006：
2．
[2]王爱民，沈兰荪．图像分割研究综述[J]．测控技术，2000，19（5）：
1-5．
[3]张德丰．详解MATLAB数字图像处理[M]．北京：
电子工业出版社，2010，7：
249．
[4]杨杰．数字图像处理及MATLAB实现[M]．北京：
电子工业出版社，2010，2：
149-150．
[5]张洪刚，陈光，郭军编著．图像处理与识别[M]．北京：
北京邮电大学出版社，2006：
102-103．
[6]韩晓军．数字图像处理技术与应用[M]．北京：
电子工业出版社，2009，7：
38．
[7]张化光，刘鑫蕊，孙秋野编著．MATLAB/SIMULINK实用教程[M]．北京：
人民邮电出版社，2009，3：
235．
[8]何东健．数字图像处理[M]．西安：
西安电子科技大学出版社，2008，5：
86．
[9]刘刚．MATLAB数字图像处理[M]．北京：
机械工业出版社，2010，5：
199-200．
附录：
程序
sum=0;
iptsetpref（'ImshowBorder','tight'）%%%设置图像处理工具箱的参数
f=imread（''）;
Ori_Face=f;
copy=f;
img=f;
f=rgb2ycbcr（f）;%rgb空间转换为ycbcr空间
f_cb=f（:
:
2）;
f_cr=f（:
:
3）;
f=（f_cb>=100）&（f_cb<=127）&（f_cr>=138）&（f_cr<=170）;%皮肤颜色在ycbcr色度空间的分布范围为:
100<=cb<=127,138<=cr<=170
figure
（1）;
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
（2）,imshow（f）;%%消除噪声
f=imfill（f,'holes'）;%%%填孔处理
figure（3）,imshow（f）;
se1=strel（'square',8）;
f=imerode（f,se1）;
f=imdilate（f,se1）;
figure（4）,imshow（f）;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%区域连通
[L,num]=bwlabeln（f,4）;设定操作的邻域类型为4-领域
fori=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<|（r_temp/c_temp>|temp
（1）<14000|ratio<
%利用脸部宽长比的大概上下限（）来确定一个人脸范围.
%脸部区域<14000的去掉,一般为手或其他干扰.
%矩形面积area_sq=目标区长度*宽度,目标区面积为area,若area/area_sq<,认为不是人脸区,删除之.
forj=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;
figure（5）,imshow（L）;
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）;
figure（6）,imshow（img1）;
升级会员 