MATLAB人脸识别案例，GUI界面的。可以根据自己需要拓展。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于matlab的人脸检测的人脸识别，很好玩，视频范围一有东西动就报警_K-L的人脸识别 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

一、主要研究内容1.基本内容 本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。包括lun文初稿撰写。2.具体要求 本设计基于灰度积分投影技术的眼睛定位方法，再结合perclos技术。首先通过图像预处理技术得到灰度分配较为均匀的图像然后分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标实现了准确的眼睛定位通过perclos技术技术眨眼率，根据先验值得到是否疲劳。二、算法原理 视频输入——预处理去除非人脸区域——人脸定位——人眼定位（灰度积分投影）——眼睛张合度——perclos技术统计——输出结果三、GUI界面设计[需要有一定编程功底]

matlab教室人数统计系统。输入图，人脸分割，计数，带界面。 我国人数基数大，各个公共场合的人数是一个十分重要的信息，也是人们一直关注的话题。教室作为其中一个十分特殊的公共场合，它的人数有着很重要的现实意义。比如在无人或者人数比较少的教室可以做到远程控制空调和风扇以及电灯数量，节约能源的目的；统计高校学生逃课比例，目前目前老师往往采取手工点名，效率低下，或者存在替代点名的情况，导致数据不可靠；高校或者社会中教室资源紧张，很多场所的教室面临一座难求，如果有一套行之有效的教室人数统计系统，可以合理地分配社会资源，让资源得到充分的利用；讲座时，参与人数可以充分反映讲座人的受欢迎程度，客观反映真实情况等等。 该课题为基于MATLAB的教室人数统计，带有丰富的人机交互GUI界面。实现教室人数的计数统计，进而统计出勤率，上课认真听讲的比例。原先预设总人数，未出勤或者书本遮住脸部、趴着玩手机等必然无法采集到人脸，从而对应数量缺失，得出出勤率或听讲率。该课题采用肤色原理进行人脸定位和人脸分割。本课题中，为了界面GUI的美观，刻意将分割出的人脸单独显示在GUI对应的axes里。是个不错的设计选题。

MATLAB人脸识别疫情防护门禁系统 课题介绍：该系统为基于MATLAB的疫情防护门禁系统。建立一个GUI可视化界面，将疑似病例录入进人脸库，对其进行训练。测试的时候，采集一张全身照人脸图片，进行人脸定位，分割，和库内人脸进行对比，如果是库内人脸，则判定为疑似病例，GUI进行报警，包括文字和语音报警。如果不是库内人脸，则说明非疑似人员，可放行。 摘 要 作为数字图像处理和计算机视觉领域的一个重要组成部分，利用摄像机对图像进行采集，从图像中检测人脸并进行识别，有着非常重要的研究意义和应用价值。面对突如其来的新型肺炎疫情，人们生活秩序被严重打乱。跟普通流感不同，此次疫情可以通过人体唾沫传播，感染他人能力很强。近期面对疫情，国家层面的人员进出管控显得尤为迫切，可以直接从源头把关，防止疑似人员流窜，有效地保护了自己和他人，不给病毒以传播的机会。而往往，就有一些人不响应国家和党的号召，面对此次病毒不以为然，依然我行我素，自由行走，给病毒有机可乘，给自己和他人的生命安全造成重大安全隐患。如果有一套疫情防护门禁系统，可以通过数字图像的采集识别，判别出该人是否是疑似人员，并且做出相应警示报警等，显得尤为重要和迫切。随着计算机视觉技术的逐年精进,基于图像的门禁识别迅速吸引了人们的视线。 首先介绍人脸识别的相关背景、意义及现状，并对目前的几种主要人脸识别技术的方法，如子空间算法、支持向量机、神经网络分类和稀疏编码分类等进行介绍。另外对人脸识别实验中常用的数据库进行介绍。我们运用数理统计的知识，将PCA原理进行详细的解释，并进行仿真。然后根据仿真的结果，抽取了其中一个测度，然后将其进行总结，然后匹配。 关键词：人脸识别，PCA算法，特征提取，欧氏距离 目 录 第一章 绪 论 3 1.1 人脸识别的背景和意义 3 第二章 人脸识别技术综述 4 2.1 人脸识别技术的流程 4 第三章 PCA的人脸特征提取 5 3.1 PCA算法 5 3.1.1 PCA算法的基本原理 5 3.2 基于PCA的特征提取 6 第四章 基于PCA和欧式距离的分类器的人脸识别 8 4.1 MATLAB人机交互界面GUI介绍 8 4.2系统框架以及GUI设计 8 4.3 程序仿真及调试结果 10 4.3.1人脸库采集 10 4.3.2特征提取仿真分析 11 4.3.3 模板匹配及识别的仿真分析 11 参考文献 12 第一章 绪 论 1.1 人脸识别的背景和意义 人脸识别是近年来研究领域的热门话题，是生物识别的一个重要分支和组成部分。生物识别技术是通过人体本身具有的生物特征对人的身份进行鉴定的方法。这些特征包括人脸、指纹、虹膜、语音、步态以及笔迹等。生物识别在安全保障等众多领域应用广泛，具有不易伪造、方便快捷、防伪性能好等优点。本设计为基于人脸识别的门禁系统，可以将疑似病人设置为库内人员，当小区里面有人需要外出时，进行人脸采集，人脸定位，跟库里面的人脸进行比对，当识别为库内人员的时候，进行疑似病例不可外出的警示，否则则可以放开门禁给以通行。 第二章 人脸识别技术综述 2.1 人脸识别技术的流程 人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像，并自动在图像中检测人脸，进而对检测到的人脸进行脸部的一系列相关技术。 因此，机器对人脸进行识别的过程与人类视觉识别人脸的过程类似，大致可分为四个步骤，如图2-1 所示。 图2-1 人脸识别流程图 (1) 图像采集：不同的人脸图像都能通过摄像镜头采集下来，静态图像、动态图像、不同表情都可以采集。但是受人脸采集的影响因素，这一步骤不是很容易实现，因此，许多著名的实验室，通过严格控制摄像机的位置，来创建一些规范的人脸库（包括姿态、面部表情的变化），通过建立成熟的人脸数据库来供研究者实验。 (2) 人脸检测：人脸检测主要用于人脸识别的预处理，它能将图像中人脸的位置准确的标出来。人脸图像中包含的特征十分丰富，人脸检测就是挑选其中有用的信息，利用这些特征来实现人脸检测。人脸识别的预处理是服务于特征提取的。但是，系统获取的原始图像受到各种条件的限制和随机干扰，不能直接使用，必须对原始图像进行图像预处理。图像预处理的方法有中值滤波、灰度拉伸、归一化处理以及锐化等[6]。 (3) 特征提取：人脸特征提取就是针对人脸的某些特征进行的。特征提取从原始模式信息中提取出最有利于分类的特征，同时达到了降维的目的。其本质是在适当降维的同时，保留最有效的特征。 (4) 分类识别：将提取的人特征数据与数据库中存储的数据进行搜索匹配，当相似度超过一个阈值，则把匹配得到的结果输出。人脸识别就是将采集到的人脸特征与数据库里的人脸特征进行比较

使用matlab打开笔记本自带的摄像头进行实时人脸识别。修改了matlab示例程序，具有较好的实时性和鲁棒性，能够在光线充足的环境下稳定识别并跟踪。注：若未在matlab中使用过摄像头，需要在matlab中首先手动联网下载安装笔记本自带摄像头的支持包，否则可能无法识别自带的摄像头

该系统为基于Matlab的人脸考勤系统。带有一个人机交互界面。输入全身照人脸图片进行人脸扫描，分割出单独的人脸进行预处理，包括灰度化尺度归一化提取人脸特征值和人脸库里面的数据进行对比。输出人脸识别的结果包括姓名，性别，学号等。并且有做考勤信息的统计，包括每个人打卡多少次，分别是什么时间，具有一键导出考勤表的功能。 GUI框架需要具备一定编程基础的人员学习，感谢支持。

NULL 博文链接：https://gongwanlu.iteye.com/blog/1018161

matlab人脸匹配代码ASM人脸特征点匹配 简介任务：通过结合使用主动形状模型（ASM）算法和PCA方法来训练可用于检测测试人脸图片关键点的回归器。 然后，进行Procrustes分析以匹配那些图像的重建关键点； 环境：Matlab 2016a版本，ASM软件包； 主要步骤1，图像处理和参数设置将所有图像加载到Matlab中，并将其设置为训练图像和测试图像。 然后通过使用函数rgb2gray（），imread（）将RGB图像转换为灰度。 通过构造结构“选项”为以后的代码设置参数。 例如，我们将两个关键点之间的计数器点设置为10，将搜索迭代次数设置为100。2，在图像上使用经过训练的关键点并填充训练数据[Vertices，Lines] = LoadDataSetNiceContour（）； 通过使用这些Matlab函数，我们可以获得所有训练图像的顶点和线。 此功能来自受支持的程序包。 3，制作Shape模型[ShapeData，TrainingData，MeanVertices] = ASM_MakeShapeModel2D（）; [TrainingData（i）.CVertices，

随着社会的发展,中国汽车保有量不断增加,但与此同时交通事故发生的频率也在逐渐增大。据统计,疲劳驾驶导致的死亡人数占交通事故死亡人数的总数的20%~30%。从此看来,疲劳驾驶严重危害着我们的人身和财产安全,即便如此,大部分司机却依然对疲劳驾驶不够重视,甚至依然在疲劳的情况下坚持驾驶。高速驾车时，驾驶员精神紧张，长时间紧张就容易产生疲劳感，疲劳后继续驾驶车辆，会感到疲倦瞌睡、四肢无力、注意力不集中、判断力下降等，此时危险系数会急剧增大，导致意外的发生。