【人脸识别】基于直方图Histogram实现人脸识别附matlab代码

原创已于 2022-08-03 15:33:23 修改 · 575 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#大数据

于 2022-07-17 00:05:59 首次发布

图像处理专栏收录该内容

871 篇文章

订阅专栏

本文探讨了Eigenfaces人脸识别算法在光照敏感性问题上的改进，通过光照锥方法对图像进行补偿，并结合Matlab代码展示了如何使用FR_Processed_histogram函数处理图像。研究还介绍了如何使用Fisherfaces和LBPHfaces算法作为对比。

1 内容介绍

人脸识别算法主要包括Eigenfaces算法、Fisherfaces算法与LBPHfaces算法。Eigenfaces算法将高维的人脸图像降维映射到低维特征脸子空间，实现面部特征采集，该算法特征数据多、识别准确率高。Fisherfaces算法在低维空间达到最大类间离散度与最小类内离散度，对不同的数据集计算其相应的特征。LBPHfaces算法采用局部特征值的描述方法，通过提取图像局部细节描述其纹理特征。

本文设计选用Eigenfaces算法。该算法虽然具有较高的识别率，但对光照因素较为敏感，因此光照因素的存在导致系统具有较高的误识率与拒识率。本文采用光照锥方法对图像进行光照补偿。

光照锥即不同光源方向的图像叠加形成的凸型锥体。光照锥方法基于光度立体视觉方法，使用前提是样本为理想散射模型，即可在固定光照下的所有视场方向观测到物体表面。算法思想是在构建特征脸时利用光照锥生成新的图像样本。

首先，加载用于训练的图像样本，将图像样本转换成矩阵向量形式与表示光源方向矩阵。其次，根据单一光源人脸表面的阴影计算出光源的反射率与表面法向量，由这些信息可以得到三维人脸重构图像与光源方向的估计值。最后，通过改变光源的方向，计算出不同光源下的合成图像。通过丰富特征脸的图像光源信息，实现在构建特征脸阶段减少光照对人脸识别系统的干扰。

2 仿真代码

function varargout = FR_Processed_histogram(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @FR_Processed_histogram_OpeningFcn, ...
'gui_OutputFcn', @FR_Processed_histogram_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end

function FR_Processed_histogram_OpeningFcn(hObject, eventdata, handles, varargin)
handles.output = hObject;
guidata(hObject, handles);
global total_sub train_img sub_img max_hist_level bin_num form_bin_num;
total_sub = 40;

sum = sum + abs( test_processed_bin(z) - train_processed_bin(z,y) );
end
img_bin_hist_sum(K,1) = sum;
sum = 0;
K = K + 1;
end
[temp M] = min(img_bin_hist_sum);
M = ceil(M/5);
getString_start=strfind(pathname,'S');
getString_start=getString_start(end)+1;
getString_end=strfind(pathname,'\');
getString_end=getString_end(end)-1;
subjectindex=str2num(pathname(getString_start:getString_end));
if (subjectindex == M)
axes (handles.axes3)
%image no: 5 is shown for visualization purpose
imshow(imread(strcat('ORL\S',num2str(M),'\5.bmp')))
msgbox ( 'Correctly Recognized');
else
display ([ 'Error==> Testing Image of Subject >>' num2str(subjectindex) ' matches with the image of subject >> ' num2str(M)])
axes (handles.axes3)
%image no: 5 is shown for visualization purpose
imshow(imread(STRCAT('ORL\S',num2str(M),'\5.bmp')))
msgbox ( 'Incorrectly Recognized');
end
display('Testing Done')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function box_Callback(hObject, eventdata, handles)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function box_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
set(hObject,'BackgroundColor','white');
end
%% 响应Input Image按钮
function Input_Image_button_Callback(hObject, eventdata, handles)
global filename pathname I
[filename, pathname] = uigetfile('*.bmp', 'Test Image');
axes(handles.axes1)
imgpath=strcat(pathname,filename);
I = imread(imgpath);
imshow(I)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function axes3_CreateFcn(hObject, eventdata, handles)