matlab基于笔记本电脑的摄像头的人脸检测

matlab基于笔记本电脑的摄像头的人脸检测

%% 实例化视频设备、人脸检测器和KLT对象跟踪器
vidObj = webcam;
faceDetector = vision.CascadeobjectDetector（）; % 默认的人脸
tracker = MultiobjectTrackerKLT;%KLT对象跟踪器

%% 为帧大小信息设置框架
frame = snapshot（vidObj）;%获取单帧的图像
frameSize = size（frame）;

%% 创建一个视频播放器实例
videoPlayer  = vision.VideoPlayer（‘Position‘[200 100 fliplr（frameSize（1:2）+30）]）;

%% 迭代直到我们成功地发现了一张脸
bboxes = [];
while isempty（bboxes）
    framergb = snapshot（vidObj）;%获取单帧的图像
    frame = rgb2gray（framergb）;%转灰度图
    bboxes = faceDetector.step（frame）;
end
tracker.addDetections（frame bboxes）;

%% 追踪
frameNumber = 0;
keepRunning = true;
disp（‘Press Ctrl-C to exit...‘）;
while keepRunning
    
    framergb = snapshot（vidObj）;%获取单帧的图像
    frame = rgb2gray（framergb）;%转灰度图像
    
    if mod（frameNumber 10） == 0
        % （Re）detect faces.检测人脸
        %
        % NOTE: face detection is more expensive than imresize; we can
        % speed up the implementation by reacquiring faces using a
        % downsampled frame:
        %人脸检测比无大小的人脸检测更费力 ;我们可以通过使用下采样帧 重新获取人脸来加快实现加速:
        % bboxes = faceDetector.step（frame）;
        bboxes = 2 * faceDetector.step（imresize（frame 0.5））;
        if ~isempty（bboxes）
            tracker.addDetections（frame bboxes）;
        end
    else
        % Track faces
        tracker.track（frame）;
    end
    
    %显示边界框和跟踪点。
    displayframe = insertobjectAnnotation（framergb ‘rectangle‘...
        tracker.Bboxes tracker.BoxIds）;
    displayframe = insertMarker（displayframe tracker.Points）;
    videoPlayer.step（displayframe）;
    
    frameNumber = frameNumber + 1;
end%循环

%% 清理
release（videoPlayer）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        7966  2018-12-14 16:57  matlab基于笔记本电脑的摄像头的人脸检测\TrackerKLT.m
     文件        1796  2018-12-14 16:55  matlab基于笔记本电脑的摄像头的人脸检测\detectAndTrackFacesTest.m
     目录           0  2018-12-21 11:10  matlab基于笔记本电脑的摄像头的人脸检测\