Matlab如何实现电脑摄像头实时人脸检测与识别的详细步骤？

本文共计1217个文字，预计阅读时间需要5分钟。

目录+一、理论基础+二、核心程序+三、仿真测试结果+一、理论基础+人脸识别过程主要分为四个阶段组成：人脸检测、图像预处理、面部特征提取和特征识别。首先，系统从视频或相机中提取图像，然后进行预处理，提取面部特征，最后进行特征识别。

目录

• 一、理论基础
• 二、核心程序
• 三、仿真测试结果

一、理论基础

人脸识别过程主要由四个阶段组成：人脸检测、图像预处理、面部特征提取和特征识别。首先系统从视频或者相机中捕获图像，检测并分割出其中的人脸区域；接下来通过归一化、对齐、滤波等方法改善图像的质量，这里的质量主要由最终的人脸识别率决定；特征提取（降维）环节尤为重要，其初衷是减少数据量从而减轻计算负担，但良好的特征选取可以降低噪音和不相关数据在识别中的贡献度，从而提高识别精度；特征识别阶段需要根据提取的特征训练一个分类器，对于给定的测试样本，根据训练器对其进行分类。

当定位好人脸的时候，我们进行识别，识别的主要原理如下：

GRNN广义回归神经网络的理论基础是非线性核回归分析，非独立变量y相对于独立变量x的回归分析实际上是计算具有最大概率值的y。设随机变量x和y的联合概率密度函数为f (x ,y)，已知x的观测值为X，则y相对于X的回归，即条件均值为：

对于未知的概率密度函数f (x, y)，可由x和y的观测样本经非参数估计得：

GRNN通常被用来进行函数逼近。它具有一个径向基隐含层和一个特殊的线性层。第一层和第二层的神经元数目都与输入的样本向量对的数目相等。