Innehållsförteckning:
- Steg 1: Upptäcka ansikten i en bild och räkna
- Steg 2: Detektera mänskliga ögon i en bild och räkna
- Steg 3: Detektera mänsklig mun i en bild och räkna
- Steg 4: Upptäcka ansikten, ögon, mun i en video och räkna
Video: MATLAB Enkel ansiktsigenkänning: 4 steg
2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:38
Huvudsyftet med dessa instruktioner är att visa hur enkelt bildbehandlingen kommer att vara, med hjälp av MATLAB
Ansiktsigenkänning och spårning har varit ett viktigt och aktivt forskningsfält, så det är därför jag ska förklara hur det kan göras med Matlab.
I följande handledning ska jag göra följande saker:
1. upptäcka ansikten i en bild och räkna.
2. upptäcka mänskliga ögon i en bild och räkna.
3. upptäcka människans mun i en bild och räkna.
4. upptäcka ansikten i en video och räkna.
5. upptäcka mänskliga ögon i en video och räkna.
6. upptäcka människans mun i en video och räkna.
Steg 1: Upptäcka ansikten i en bild och räkna
MATLAB SCRIPT:
rensa alla % rensa alla objektsclc % rensa skärmen
FDetect = vision. CascadeObjectDetector; %Upptäck objekt med Viola-Jones-algoritmen
%Läs inmatningsbilden
image = imread ('c: / Deskotp / HarryPotter.jpg'); %ladda bilden med hjälp av imread ('filplats / namn.jpg')
BB = steg (FDetect, bild); %Returnerar gränsvärden för värden baserat på antalet objekt
figur, imshow (I);
vänta
för i = 1: storlek (BB, 1)
rektangel ('Position', BB (i,:), 'LineWidth', 5, 'LineStyle', '-', 'EdgeColor', 'r'); %r -röd, g-grön, b-blå
slutet
titel ('Ansiktsigenkänning'); %titel på siffran;
Resultatet blir som bilden som bifogades i detta steg själv
Så här räknar du antalet ansikten som detekteras:
rensa alla % rensa alla objektsclc % rensa skärmen
FDetect = vision. CascadeObjectDetector; %Upptäck objekt med Viola-Jones algoritm %Läs inmatningsbilden
image = imread ('c: / Deskotp / HarryPotter.jpg'); %ladda bilden med hjälp av imread ('filplats / namn.jpg')
BB = steg (FDetect, bild); %Returnerar gränsvärden för värden baserat på antalet objekt
figur,
imshow (I);
vänta
för i = 1: storlek (BB, 1)
rektangel ('Position', BB (i,:), 'LineWidth', 5, 'LineStyle', '-', 'EdgeColor', 'r'); %r -röd, g-grön, b-blå
slutet
text (10, 10, strcat ('\ color {red} Antal ansikten =', num2str (längd (BB)))); Denna rad ger dig räkningen
titel ('Ansiktsigenkänning'); %titel på figuren
vänta;
Steg 2: Detektera mänskliga ögon i en bild och räkna
MATLAB SCRIPT:
Rensa alla;
clc;
%Att upptäcka EyesEyeDetect = vision. CascadeObjectDetector ('EyePairBig');
%Läs inmatningen
image = imread ('c: / Deskotp / HarryPotter.jpg'); %ladda bilden med hjälp av imread ('filplats / namn.jpg')
BB = steg (EyeDetect, bild);
figur,
imshow (bild);
rektangel ('Position', BB, 'LineWidth', 4, 'LineStyle', '-', 'EdgeColor', 'b');
titel ('Eyes Detection');
Resultatet blir som bilden som bifogades i detta steg själv
Att räkna antalet upptäckta ögon:
rensa alla; clc; %För att upptäcka ögon
EyeDetect = vision. CascadeObjectDetector ('EyePairBig');
image = imread ('c: / Deskotp / HarryPotter.jpg'); %ladda bilden med hjälp av imread ('filplats / namn.jpg')
BB = steg (EyeDetect, bild); figur, imshow (bild); rektangel ('Position', BB, 'LineWidth', 4, 'LineStyle', '-', 'EdgeColor', 'b');
text (10, 10, strcat ('\ color {red} Antal ögon =', num2str (längd (BB))));
titel ('Eyes Detection');
Steg 3: Detektera mänsklig mun i en bild och räkna
MATLAB SCRIPT:
Rensa alla;
clc;
%För att upptäcka mun
MouthDetect = vision. CascadeObjectDetector ('Mouth', 'MergeThreshold', 16);
%Läs inmatningsbilden = imread ('c: / Deskotp / HarryPotter.jpg'); %ladda bilden med hjälp av imread ('filplats / namn.jpg')
BB = steg (MouthDetect, bild);
figur, imshow (bild);
vänta
för i = 1: storlek (BB, 1)
rektangel ('Position', BB (i,:), 'LineWidth', 4, 'LineStyle', '-', 'EdgeColor', 'r');
slutet
title ('Mouth Detection');
vänta;
Resultatet blir som bilden som bifogades i detta steg själv
Att räkna antalet upptäckta mun:
Rensa alla; clc; %För att upptäcka mun
MouthDetect = vision. CascadeObjectDetector ('Mouth', 'MergeThreshold', 16); %Läs inmatningen
image = imread ('c: / Deskotp / HarryPotter.jpg'); %ladda bilden med hjälp av imread ('file location / name.jpg') BB = step (MouthDetect, image);
figur, imshow (bild);
vänta
för i = 1: storlek (BB, 1)
rektangel ('Position', BB (i,:), 'LineWidth', 4, 'LineStyle', '-', 'EdgeColor', 'r');
slutet
text (10, 10, strcat ('\ color {red} Antal mun =', num2str (längd (BB))));
title ('Mouth Detection');
vänta;
Steg 4: Upptäcka ansikten, ögon, mun i en video och räkna
Rensa alla;
Stäng alla;
clc;
% Fånga videoramar med videoingångsfunktionen % Du måste byta upplösning och ditt installerade adapternamn.
a = vision. CascadeObjectDetector; %för att upptäcka ansikte
% a = vision. CascadeObjectDetector ('Mouth', 'MergeThreshold', 16); %för att upptäcka munnen
% a = vision. CascadeObjectDetector ('EyePairBig'); %för att upptäcka ögon
%använder bara någon (ansikte/ögon/mun)
vid = videoinput ('winvideo', 1, 'yuy2_320x240'); % Ange egenskaperna för videoobjektet
set (vid, 'FramesPerTrigger', Inf);
set (vid, 'ReturnedColorspace', 'rgb');
vid. FrameGrabInterval = 5; %starta videoförvärvet här
start (vid) % Ställ in en loop som stannar efter 100 förvärvsramar
while (vid. FramesAcquired <= 200) % Få ögonblicksbilden av den aktuella ramen
data = getsnapshot (vid);
imshow (data);
b = steg (a, data);
vänta
för i = 1: storlek (b, 1)
rektangel ('position', b (i,:), 'linewidth', 2, 'linestyle', '-', 'EdgeColor', 'r');
slutet
vänta
text (10, 10, strcat ('\ color {grön} Antal ansikten =', num2str (längd (b))));
slutet
stopp (vid); % Stoppa videoinhämtningen
Rekommenderad:
Ansiktsigenkänning på Raspberry Pi 4B i 3 steg: 3 steg
Ansiktsigenkänning på Raspberry Pi 4B i tre steg: I denna instruktionsbok ska vi utföra ansiktsigenkänning på Raspberry Pi 4 med Shunya O/S med hjälp av Shunyaface-biblioteket. Shunyaface är ett bibliotek för ansiktsigenkänning/upptäckt. Projektet syftar till att uppnå snabbaste detekterings- och igenkänningshastighet med
IP-kamera med ansiktsigenkänning med ESP32-CAM-kortet: 5 steg
IP-kamera med ansiktsigenkänning med ESP32-CAM-kortet: Det här inlägget är annorlunda jämfört med de andra och vi tar en titt på det mycket intressanta ESP32-CAM-kortet som är förvånansvärt billigt (mindre än $ 9) och lätt att använda. Vi skapar en enkel IP -kamera som kan användas för att strömma ett livevideoflöde med 2
Lås för ansiktsigenkänning: 8 steg
Dörrlås för ansiktsigenkänning: Ungefär en månad på gång presenterar jag dörrlåset för ansiktsigenkänning! Jag försökte få det att se så snyggt ut som jag kan, men jag kan bara göra så mycket som en 13-åring. Detta dörrlås för ansiktsigenkänning drivs av en Raspberry Pi 4, med en speciell bärbar
Ansiktsigenkänning och identifiering - Arduino Face ID med OpenCV Python och Arduino .: 6 steg
Ansiktsigenkänning och identifiering | Arduino Face ID Med OpenCV Python och Arduino .: Ansiktsigenkänning AKA face ID är en av de viktigaste funktionerna på mobiltelefoner nuförtiden. Så jag hade en fråga " kan jag ha ett ansikts -id för mitt Arduino -projekt " och svaret är ja … Min resa började enligt följande: Steg 1: Tillgång till vi
Ansiktsigenkänning i praktiken: 21 steg
Ansiktsigenkänning i praktiken: Det här är ett ämne jag är så fascinerad av, att det får mig att tappa sömn: Datorsyn, upptäckt av föremål och människor genom en förutbildad modell