运行 Example_FindFace.m 脚本以演练如何使用代码。 该存储库包含一个形状模型和一个灰度模型，这些模型在下面列出的数据集中的图像上进行训练，以及一个示例人脸。 该存储库包括用于手动标记新图像和训练新形状和灰度模型的代码，这意味着如果训练得当，它不仅可以用于人脸检测。 我很乐意为您提供任何反馈。 享受！ 2.0版本支持MUCT地标排列： http://www.milbo.org/muct/ 仍然支持带有 I 标记的简单地标排列。 我用于手动标记的面Kong可在此处获得： http://robotics.csie.ncku.edu.tw/Databases/FaceDetect_PoseEstimate.htm#Our_Database_ 如果您对该项目有任何问题或建议，请在 GitHub 上打开一个问题。 我将更有可能在那里看到您的问题。 https://github.

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，

活动形状模型 用于面部关键点检测的主动形状​​模型 对象的形状由一组点表示（由形状模型控制）。 ASM算法旨在将模型与新图像匹配。 它使用主成分分析来减少要检查的点数，或者可以说是定义形状中的点之间的关系。 在这里，我们仅考虑由n个维度中的有限数量的k个点组成的对象。 通常，这些点是在复杂物体（例如人骨）的连续表面上选择的，在这种情况下，它们被称为界标点。 运行：运行文件名Shape_to_image.py，它带有两个参数，如下所示 python Shape_to_image.py [调整形状] [寻找形状的图像]

自己写的主动形状模型，主要使用c++实现的，依赖opencv的开源图像库

行业分类-物理装置-一种基于主动形状模型的前列腺轮廓提取方法.zip

从网上下载的Active Shape Model源代码，用matlab编写的。压缩包里面有手形和脑部CT样本图片，方便学习ASM主动形状模型。

主动形状模型的Matlab实现代码，可以直接运行，代码的条理清晰，有助于入门学习！

用MATLAB实现主动形状模型的算法，在人脸识别中的人脸特征提取有很好的应用