如何使用Matlab创建一个人脸数据库

人脸数据库是在测试人脸处理算法时使用的图像数据，如用于人脸识别的主成分分析（PCA）。

在本教程中，我们将学习用MATLAB编码，以便从人脸数据库中识别人脸。

数据库如何工作，取决于你要使用的算法类型和你要实施的项目。例如，PCA使用特征空间来识别数据库中的人脸。

这个程序的框架可以用来为其他许多物体创建数据库，而不仅仅是人脸。在这种情况下，我们将使用WEBCAM来拍摄一些所需的脸部快照来建立数据库。

前提条件

要跟上本教程的进度--读者需要具备以下条件。

1. 必须在你的电脑上安装Matlab。
2. 必须安装一个网络摄像机。
3. 有一点Matlab的知识。

如何安装网络摄像头？

1. 在你的电脑上打开Matlab软件。
2. 在Home 部分，点击Add-Ons 下拉箭头，然后选择Get hardware support packages 。

Matlab仪表板屏幕

1. 在搜索标签上，输入包的名称，即Matlab支持包的USB包，然后搜索。

搜索页面

1. 点击MATLAB Support Package for USB 。
2. 点击Install ，进行安装。

硬件安装界面

由于该软件包已经安装在我的电脑中，Install 按钮显示为Manage 。

使用Matlab创建人脸数据库

本教程的主要目的是创建一个用户自己的人脸数据库。这使我们更容易理解和进行需要人脸数据库的各种项目。

我们首先初始化网络摄像头。

cam = webcam;

然后我们输入所需数量的人脸nof ，以建立我们的数据库。

它是由下面的代码执行的。

nof = input('enter no. of required frames:');

我们输入所需的帧数count ，我们将count 设置为1 。

例如，如果你需要20或100张图片，你可以在这里修改所需的帧数。

count = 1;

然后我们初始化count ，进入while 循环。当count 小于或等于所需帧数nof ，那么while 循环将被执行，快照被捕获。

然后，捕获的图像被存储到img ，并将其传递给myFaceDetect 函数。

这个函数应该被定义在一个下标中，然后调用到主函数中。myFaceDetect 函数的描述在程序的最后给出。

while count <= nof
img = snapshot(cam);

下面的代码使用myFaceDetect 函数返回裁剪后的图像，该函数返回croppedframe 和边界框点bboxpoint 。

[croppedFrame, bboxpoint] = myFaceDetect(img);
imshow(croppedFrame)

注意，在上面的代码中，我们感兴趣的不是边界框bboxpoint ，而是框架。裁剪后的框架将被存储在同一目录中。

然后我们将使用if 和else 语句来介绍运行程序的条件。

如果裁剪后的框架不是空的，这意味着人脸被检测到了，我们得到的是一个裁剪后的框架，你可以把它存储到你的任何文件夹中。

最好是创建一个单独的文件夹。

然后我们指定该文件夹的路径，如图所示。

if ~isempty(croppedFrame)
fileName = strcat('WRITE_YOUR_FOLDER_PATH',sprintf(‘%d.png’,count));

然后我们使用imwrite ，将裁剪后的帧与相应的文件名一起写入该目录中。

imwrite(croppedFrame,'WRITE_YOUR_FILENAME');
msg = ['imageAcquiredNo:',num2str(count)]
disp(msg)
count = count + 1;

一张脸的样本图像

num2str 函数提供了文件名。这意味着，由于计数是从1 到n 开始的，而这是给定的帧的数量。所以，文件名将以数字的形式出现。

在上面的文件名中，我们的文件格式是.png 。

这意味着，我们希望文件名采用以下形式。imageDatabase1.png,imageDatabase2.png,imageDatabase3.png 直到imageDatabaseN.png 。

一个图像的列表

如果在裁剪后的画面中没有检测到人脸，那么它应该在工作区显示no face detected 。

这里是代码。

else
disp('no face detected')

下面是if 和else 语句的完整代码。

if ~isempty(croppedFrame)
fileName = strcat('Directory',sprintf('%d.png',count));
imwrite(croppedFrame, fileName)
msg = ['image aquired no:', num2str(count)];
disp(msg)
count = count + 1;
        
else
disp('no face detected')
end

摄像机在0.1s ，并在拍完快照后重置摄像机。

这由下面的代码调节。

clf('reset')
pause(0.1)
end 

pause 的时间可以根据用户的喜好来改变。在这之后，相机对象被清除了。

当你运行程序时，摄像机前面的人的脸被捕捉并存储。这样重复进行，直到获得所需图像的数量。捕捉到的人脸数量会显示在工作区。

当摄像头前的人隐藏了他/她的脸或者摄像头前没有人时，那么工作区就会显示一个文本no face is detected 。

当没有检测到人脸时，计数停止，当再次检测到人脸时重新开始，直到获得所需的样本。

myFaceDetect 这个函数应该在另一个脚本中定义，然后在人脸数据库脚本中调用。

这个函数返回一个裁剪过的图像和bboxpoint 。在这一点上，我们把重点放在bboxpoint 。

function [croppedImage, bboxpoints] = myFaceDetect
%introduce the face detector object

faceDetector = vision.CascadeObjectDetector;
faceDetector.MergeThreshold = 10; %adjust to avoid false detection
%add bounding boxbox around the detect face
bboxes = faceDetector(img)

if ~isempty(bboxes)
bboxes(1,1) = bboxes(1,1)-50;
bboxes(1,2) = bboxes(1,2)-50;
bboxes(1,3) = bboxes(1,3)+100;
bboxes(1,4) = bboxes(1,4)+100;

在上面的代码中，我们增加了数值，并在两个方向上增加了包围盒的大小。这使得身体的其他部分，如耳朵，也被包括在内。

%crop the obtained image
croppedImage = imcrop(img,bboxes)
bboxPoints = bbox2points(bboxes(1, :))
%if face is not detected the code below is executed
else
croppedImage = [];
bboxPoints = [];
end

结论

Matlab被用来创建一个图像数据库。这是因为它有一个内置的网络摄像头。这使得它在创建数据库进行分析时很有效率。

该图像数据库还可以用于深度神经系统的训练和验证。这可以帮助物体识别和其他项目。