机器学习概述课程设计报告MATLAB人脸识别

figure(3),imshow(f);
se1=strel('square',8);
f=imerode(f,se1);
f=imdilate(f,se1);
figure(4),imshow(f);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%区域连通
[L,num]=bwlabeln(f,4);设定操作的邻域类型为4-领域
if (r_temp/c_temp<|(r_temp/c_temp>|temp(1)<14000|ratio<
%利用脸部宽长比的大概上下限（）来确定一个人脸范围.
%脸部区域<14000的去掉,一般为手或其他干扰.
%矩形面积area_sq=目标区长度*宽度,目标区面积为area,若area/area_sq<,认为不是人脸区,删除之.
for i=1:num;
[r,c]=find(L==i);
r_temp=max(r)-min(r);
c_temp=max(c)-min(c);
temp=size(r);
sum=sum+temp(1);
area_sq=r_temp*c_temp;
area=size(find(L==i),1);
ratio=area/area_sq;
5．参考文献
[1] 姚敏．数字图像处理[M]．机械工业出版社，2006：2．
[2] 王爱民源自文库沈兰荪．图像分割研究综述[J]．测控技术，2000，19（5）：1-5．
[3] 张德丰．详解MATLAB数字图像处理[M]．北京：电子工业出版社，2010，7：249．
[4] 杨杰．数字图像处理及MATLAB实现[M]．北京：电子工业出版社，2010，2：149-150．
机器学习概述课程设计报告MATLAB人脸识别
机器学习概述课程设计报告
题目：MATLAB人脸识别系统
姓 名：**
学 号：**
专 业：**
时 间：2015/8/7
一、课程设计的目的
二、设计的内容与要求
三、详细设计
四、课程设计的总结
五、参考文献
一.
人脸识别作为一项新兴的科学研究项目，有着广泛的应用前景，而且随着计算机技术的更新发展，它的科学研究价值也越发凸显。经过几十年的研发探讨，世界各大研究结构的研发人员的不断努力下，人脸识别技术一已取得丰硕的成果，可在一定限制条件下完成人脸的自动识别。这些成果的取得更促进了人们对人脸识别这一课题的深入研究。
[8] 何东健．数字图像处理[M]．西安：西安电子科技大学出版社，2008，5：86．
[9] 刘刚．MATLAB数字图像处理[M]．北京：机械工业出版社，2010，5：199-200．
附录：程序
sum=0;
iptsetpref('ImshowBorder', 'tight')%%%设置图像处理工具箱的参数
f=imread('');
Ori_Face=f;
copy=f;
img=f;
f=rgb2ycbcr(f);%rgb空间转换为ycbcr空间
f_cb=f(:,:,2);
f_cr=f(:,:,3);
f= (f_cb>=100) & (f_cb<=127) & (f_cr>=138) &(f_cr<=170);%皮肤颜色在ycbcr色度空间的分布范围为:100<=cb<=127,138<=cr<=170
在电子商务飞速发展的今天，人脸识别系统的范畴一不足以涵括人脸识别的应用范围，在数字图像处理、视频领域、基于内容的检索等方面有着重要的应用价值。。
二．
1、选择KNN,聚类或SVM方法中的一种或其他机器学习方法的一种进行课程设计
2、要求能完成具体的识别任务：如 图像分割、语音识别、人脸识别
3、要求识别的对象中有自己生活元素，比如图像中包括学校的图片或语音时本人的语音等。
for j=1:temp(1);
L(r(j),c(j))=0;
end
else
continue;
end
end
L=bwperim(L,8);%边缘检测,检测出人脸的边缘区域
L=uint8(L);
[5] 张洪刚，陈光，郭军编着．图像处理与识别[M]．北京：北京邮电大学出版社，2006：102-103．
[6] 韩晓军．数字图像处理技术与应用[M]．北京：电子工业出版社，2009，7：38．
[7] 张化光，刘鑫蕊，孙秋野编着．MATLAB/SIMULINK实用教程[M]．北京：人民邮电出版社，2009，3：235．
三．
YCbCr空间——>灰度图像转换 ——>噪声消除 ——>图像填孔 ——>图像重构 ——>人脸区域确定 ——>边缘检测
（原图-涉及个人隐私，未呈现原图）
（YCbCr空间转换）
（噪声消除）
（图像填孔）
（图像重构）
（人脸区域的确定）
（涉及个人隐私）
四．
通过三天的学习以及课后学习，我利用SVM算法进行人脸识别，由于光照强度的不同、人脸肤色的不同、图片背景的不同往往导致每张图片都具有自身的特色，将人脸区域从背景、衣着、发型等非人类区域中分割出来。一般使用的RGB图片不适合于建立人脸皮肤模型，因为在RGB空间中，使用三基色（r,g,b）表示图片的亮度以及颜色。在不同的环境下光照条件的改变，很难将肤色点从非肤色点中分离出来，如果在RGB图像上进行处理，将产生离散的肤色点，图片中间嵌有很多的非肤色点，提高了人脸检测的难度，容易产生不可靠的肤色分割。解决方法是隔离颜色表达式中的亮度信息与色度信息，充分利用色度空间中肤色所表示出来的聚类性。为此需要创造这样一个色彩空间，这个空间能把R、G、B所代表的色度信息与亮度信息分开表示。色彩空间常用的的转换颜色模型主要有：YIQ、YCbCr、HSV等。这里，采用YCrCb色彩空间作为报告的设计空间。经过颜色转换后大大缩减了人脸的搜索范围，为SVM算法提供更有效的方法。本次课程设计，我学会了很多有用的算法，并能够初步实现，了解机器语言的过程以及了解MATLAB强大的功能。
figure(1);
imshow(f);
se=strel('square',3);%%构建一个3*3单位矩阵作为结构元素
f=imopen(f,se);%%图片开运算
f=imclose(f,se);%%图片闭运算
figure(2),imshow(f);%%消除噪声
f=imfill(f,'holes');%%%填孔处理