【人脸识别】基于Kinect-V.2的人脸识别系统设计附matlab代码

最新推荐文章于 2023-08-28 13:17:38 发布

原创最新推荐文章于 2023-08-28 13:17:38 发布 · 267 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #开发语言

图像处理专栏收录该内容

871 篇文章

订阅专栏

该文利用Matlab开发了一种实时人脸识别系统，通过肤色特征进行目标追踪与识别。系统包括图像预处理、人脸检测、特征提取和分类识别四个阶段，能有效应对遮挡情况，实验显示其具有高识别精度和良好的实时及鲁棒性能。

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法神经网络预测雷达通信无线传感器电力系统

信号处理图像处理路径规划元胞自动机无人机

⛄ 内容介绍

随着人工智能的飞速发展,人脸识别技术已经应用到很多领域中,能否准确识别人脸成为最关键的问题.文章以Matlab为工具,以肤色特征对目标人脸进行实时地追踪与识别,对人脸的处理过程分为图像预处理,人脸检测,特征提取以及分类识别4部分,最终实现对有遮挡物等特殊情况下的人脸识别.实验结果显示此系统具有较高的识别精度,实时性,鲁棒性良好.

⛄ 部分代码

function PlotResults(Targets,Outputs,Name)

Errors=Targets-Outputs;

figure;

subplot(2,2,[1 2]);

plot(Targets,'r:');

hold on;

plot(Outputs,'b');

legend('Targets','Outputs');

title([Name ' - Targets and Outputs']);

ylabel('Targets and Outputs');

ErrorMean=mean(Errors);

ErrorStD=std(Errors);

MSE=mean(Errors.^2);

RMSE=sqrt(MSE);

subplot(2,2,3);

plot(Errors);

ylabel('Errors');

title(['MSE = ' num2str(MSE) ', RMSE = ' num2str(RMSE)]);

nBin=max(round(numel(Errors)/20),10);

subplot(2,2,4);

histfit(Errors,nBin);

xlabel('Errors');

title(['Mean = ' num2str(ErrorMean) ', StD = ' num2str(ErrorStD)]);

end

⛄ 运行结果

⛄ 参考文献

Mousavi, Seyed Muhammad Hossein, and Atiye Ilanloo. "Seven Staged Identity Recognition System Using Kinect V. 2 Sensor." 2022 9th Iranian Joint Congress on Fuzzy and Intelligent Systems (CFIS). IEEE, 2022.