تشخیص چهره آسان MATLAB: 4 مرحله

2024 نویسنده: John Day | [email protected]. آخرین اصلاح شده: 2024-01-30 08:52

هدف اصلی این دستورالعمل ها نشان دادن این است که پردازش تصویر چقدر آسان است ، با کمک MATLAB

تشخیص چهره و ردیابی یک زمینه تحقیقاتی مهم و فعال بوده است ، بنابراین به همین دلیل است که من توضیح خواهم داد که چگونه می توان آن را با Matlab انجام داد.

در آموزش زیر کارهای زیر را انجام می دهم:

1. تشخیص چهره ها در یک تصویر و شمارش.

2. تشخیص چشم انسان در یک تصویر و شمارش.

3. تشخیص دهان انسان در یک تصویر و شمارش.

4. تشخیص چهره در یک فیلم و شمارش.

5. تشخیص چشم انسان در یک فیلم و شمارش.

6. تشخیص دهان انسان در یک فیلم و شمارش.

مرحله 1: تشخیص چهره ها در تصویر و شمارش

MATLAB SCRIPT:

Clear all٪ clear all objectsclc٪ clear screen

FDetect = vision. CascadeObjectDetector؛ objects تشخیص اشیاء با استفاده از الگوریتم ویولا-جونز

Read تصویر ورودی را بخوانید

image = imread ('c: / Deskotp / HarryPotter.jpg')؛ ٪ بارگذاری تصویر با استفاده از imread ('location file / name.jpg')

BB = مرحله (FDetect ، تصویر) ؛ ٪ بر اساس تعداد اشیاء مقادیر جعبه محدود را برمی گرداند

شکل ، نمایش (I) ؛

صبر کن

برای i = 1: اندازه (BB ، 1)

مستطیل ('Position'، BB (i،:)، 'LineWidth'، 5، 'LineStyle'، '-'، 'EdgeColor'، 'r')؛ ٪ r -red ، g-green ، b-blue

پایان

عنوان ("تشخیص چهره") ؛ ٪ عنوان خالص رقم خاموش ؛

نتیجه همانند تصویری است که در این مرحله به خود پیوست شده است

برای شمارش تعداد چهره های شناسایی شده:

Clear all٪ clear all objectsclc٪ clear screen

FDetect = vision. CascadeObjectDetector؛ ٪ تشخیص اشیاء با استفاده از الگوریتم ویولا-جونز٪ خواندن تصویر ورودی

image = imread ('c: / Deskotp / HarryPotter.jpg')؛ ٪ بارگذاری تصویر با استفاده از imread ('location file / name.jpg')

BB = مرحله (FDetect ، تصویر) ؛ ٪ بر اساس تعداد اشیاء مقادیر جعبه محدود را برمی گرداند

شکل،

نمایش (I) ؛

صبر کن

برای i = 1: اندازه (BB ، 1)

مستطیل ('Position'، BB (i،:)، 'LineWidth'، 5، 'LineStyle'، '-'، 'EdgeColor'، 'r')؛ ٪ r -red ، g-green ، b-blue

پایان

متن (10 ، 10 ، strcat ('\ رنگ {قرمز} تعداد صورت =' ، num2str (طول (BB))))) ؛ این خط شمارش را به شما می دهد

عنوان ("تشخیص چهره") ؛ ٪ عنوان شکل

نگه داشتن

مرحله 2: تشخیص چشم انسان در یک تصویر و شمارش

MATLAB SCRIPT:

همه را پاک کن؛

clc؛

٪ برای تشخیص EyesEyeDetect = vision. CascadeObjectDetector ('EyePairBig')؛

Read ورودی را بخوانید

image = imread ('c: / Deskotp / HarryPotter.jpg')؛ ٪ بارگذاری تصویر با استفاده از imread ('location file / name.jpg')

BB = مرحله (EyeDetect ، تصویر) ؛

شکل،

نمایش (تصویر) ؛

مستطیل ('Position'، BB، 'LineWidth'، 4، 'LineStyle'، '-'، 'EdgeColor'، 'b')؛

عنوان ('تشخیص چشم')؛

نتیجه همانند تصویری است که در این مرحله به خود پیوست شده است

برای شمارش تعداد چشم های تشخیص داده شده:

پاک کردن همه؛ clc؛ To برای تشخیص چشم ها

EyeDetect = vision. CascadeObjectDetector ('EyePairBig')؛

image = imread ('c: / Deskotp / HarryPotter.jpg')؛ ٪ بارگذاری تصویر با استفاده از imread ('location file / name.jpg')

BB = مرحله (EyeDetect ، تصویر) ؛ شکل ، نمایش (تصویر) ؛ مستطیل ('Position'، BB، 'LineWidth'، 4، 'LineStyle'، '-'، 'EdgeColor'، 'b')؛

متن (10 ، 10 ، strcat ('\ رنگ {قرمز} شماره چشم =' ، num2str (طول (BB))))) ؛

عنوان ('تشخیص چشم')؛

مرحله 3: تشخیص دهان انسان در یک تصویر و شمارش

MATLAB SCRIPT:

همه را پاک کن؛

clc؛

To برای تشخیص دهان

MouthDetect = vision. CascadeObjectDetector ('Mouth'، 'MergeThreshold'، 16)؛

٪ تصویر ورودی را بخوانید = imread ('c: / Deskotp / HarryPotter.jpg')؛ ٪ بارگذاری تصویر با استفاده از imread ('location file / name.jpg')

BB = مرحله (MouthDetect ، تصویر) ؛

شکل ، نمایش (تصویر) ؛

صبر کن

برای i = 1: اندازه (BB ، 1)

مستطیل ('Position'، BB (i،:)، 'LineWidth'، 4، 'LineStyle'، '-'، 'EdgeColor'، 'r')؛

پایان

عنوان ("تشخیص دهان") ؛

نگه داشتن ؛

نتیجه مانند تصویری است که در این مرحله به خود پیوست شده است

برای شمارش تعداد دهان تشخیص داده شده:

همه را پاک کن؛ clc؛ To برای تشخیص دهان

MouthDetect = vision. CascadeObjectDetector ('Mouth'، 'MergeThreshold'، 16)؛ Read ورودی را بخوانید

image = imread ('c: / Deskotp / HarryPotter.jpg')؛ load بارگذاری تصویر با استفاده از imread ('location file / name.jpg') BB = step (MouthDetect، image)؛

شکل ، نمایش (تصویر) ؛

صبر کن

برای i = 1: اندازه (BB ، 1)

مستطیل ('Position'، BB (i،:)، 'LineWidth'، 4، 'LineStyle'، '-'، 'EdgeColor'، 'r')؛

پایان

متن (10 ، 10 ، strcat ('\ رنگ {قرمز} تعداد دهان =' ، num2str (طول (BB))))) ؛

عنوان ("تشخیص دهان") ؛

نگه داشتن

مرحله 4: تشخیص چهره ، چشم ، دهان در یک فیلم و شمارش

همه را پاک کن؛

همه را بستن ؛

clc؛

٪ با استفاده از عملکرد ورودی ویدئو ، فریم های ویدیویی را ضبط کنید٪ باید وضوح تصویر و نام آداپتور نصب شده خود را جایگزین کنید.

a = vision. CascadeObjectDetector؛ ٪ برای تشخیص چهره

٪ a = vision. CascadeObjectDetector ('Mouth'، 'MergeThreshold'، 16)؛ ٪ برای تشخیص دهان

٪ a = vision. CascadeObjectDetector ('EyePairBig')؛ ٪ برای تشخیص چشم

٪ فقط از هر یک (صورت/چشم/دهان) استفاده می کند

vid = videoinput ('winvideo'، 1، 'yuy2_320x240')؛ Set ویژگی های شیء ویدئویی را تنظیم کنید

مجموعه (vid، 'FramesPerTrigger'، Inf)؛

set (vid، 'ReturnedColorspace'، 'rgb')؛

vid. FrameGrabInterval = 5؛ ٪ دریافت ویدیو را در اینجا شروع کنید

start (vid) a حلقه ای را تنظیم کنید که پس از 100 فرمت کسب ، متوقف شود

while (vid. FramesAcquired <= 200)٪ عکس فوری از فریم فعلی را دریافت کنید

data = getsnapshot (vid)؛

نمایش (داده) ؛

b = مرحله (a ، داده) ؛

صبر کن

برای i = 1: اندازه (b ، 1)

مستطیل ('position'، b (i،:)، 'linewidth'، 2، 'linestyle'، '-'، 'EdgeColor'، 'r')؛

پایان

ایستادن

متن (10 ، 10 ، strcat ('\ رنگ {سبز} تعداد صورت =' ، num2str (طول (ب)))) ؛

پایان

توقف (vid) ؛ Stop جذب ویدیو را متوقف کنید