پیاده سازی تشخیص چهره و تخمین حالت زاویه صورت از تصویر در متلب

تشخیص حالت زاویه صورت از تصویر

در  پروژه تشخیص چهره و تخمین حالت یک مدل یکپارچه برای تشخیص چهره ارائه می‌شود  که زاویه صورت در دنیای واقعی در آن تخمین زده می‌شود. این مدل بر اساس مخلوط از درخت‌ها mixture-of-trees model با یک مخزن مشترک از قطعات است. هر علامت، چهره‌ای را به عنوان بخشی مدل سازی می‌کند و از مخلوط‌های سراسری استفاده می‌شود تا به دلیل دقت از تغییرات توپولوژیکی استفاده شود.

مدل‌های ساختار درختی به شکل شگفت انگیزی در شکل گرفتن تغییر شکل کششی الاستیک موثر هستند و به راحتی بهینه سازی می‌شوند. در این پروژه نتایج گسترده‌ای را در خصوص معیارهای چهره استاندارد و همچنین یک مجموعه داده جدید حاوی « in the wild » ارائه می‌دهیم که نشان می‌دهد که سیستم برای هر سه وظیفه پیشرفته است. اگر چه این مدل با صدها چهره به خوبی آموزش دیده است، اما با سیستم‌های تجاری که با میلیاردها نمونه (مانند Google Picasa و face.com) آموزش دیده است، بسیار مناسب است.

تخمین landmark یک ویژگی طبیعی یا مصنوعی شناخته شده است که برای ناوبری استفاده می‌شود، ویژگی‌ای که از محیط نزدیک آن برجسته می‌شود و اغلب از فاصله‌های طولانی قابل مشاهده است. که در این پروژه از این ویژگی استفاده شده است.

توضیحات پروژه

مدل مخلوط درخت،تغییرات توپولوژیکی را کدگذاری می‌کند. خطوط قرمز نشان دهنده چشمه‌های بین جفت قطعات است؛ توجه داشته باشید که هیچ حلقه بسته، در درخت وجود دارد. همه درختان  از یک مخزن مشترک استفاده می‌کنند، که باعث  یادگیری و نتیجه گیری کارآمد می‌شود. شکل زیر تشکیل مخلوط درخت از تصاویر را نشان می‌دهد.

تابع اصلی پروژه برای اجرا main.m می‌باشد و بقیه توابع نوشته شده در ++C و متلب می‌باشد که تواسط تابع اصلی صدا زده می‌شوند. کد تابع main بصورت زیر است.

قبل از اجرای برنامه مطمئن باشید Microsoft Visual C++ 2013 Professional در سیستم شما نصب شده است. این فایل کمک می‌کند تا فایل‌های ++C کامپایل شوند.

clc;
close all;
clear;

mex -O resize.cc
mex -O reduce.cc
mex -O shiftdt.cc
mex -O features.cc
mex -O fconv.cc

% load and visualize model

load face_p146_small.mat

disp('Model visualization');
visualizemodel(model,1:13);


% ۵ levels for each octave
model.interval = 5;
% set up the threshold
model.thresh = min(-0.65, model.thresh);

% define the mapping from view-specific mixture id to viewpoint
if length(model.components)==13 
    posemap = 90:-15:-90;
elseif length(model.components)==18
    posemap = [90:-15:15 0 0 0 0 0 0 -15:-15:-90];
else
    error('Can not recognize this model');
end


   [filename, pathname]=uigetfile({'*.jpg';'*.png'},'Select An Image');
    imagename=strcat(pathname,filename);
    im = imread(imagename);
    clf; imagesc(im); axis image; axis off; drawnow;
    
    tic;
    bs = detect(im, model, model.thresh);
    bs = clipboxes(im, bs);
    bs = nms_face(bs,0.3);
    dettime = toc;
    
    % show highest scoring one
    figure,showboxes(im, bs(1),posemap),title('Highest scoring detection');
    % show all
    figure,showboxes(im, bs,posemap),title('All detections above the threshold');

درباره محصول

سورس کد پیاده سازی تشخیص چهره و تخمین حالت زاویه صورت از تصویر در متلب توسط کارشناسان پی استور تست و اجرا شده است و مورد تایید پی استور می‌باشد. این اثر دارای نشان تضمین کیفیت پی استور است و برای دانلود، می‌توانید اثر را خریداری کنید. بمحض خرید فایل، لینک دانلود در دسترس قرار خواهد گرفت.