这是我的Matlab大作业，实时人脸识别与追踪，主要运用了Matlab计算机视觉工具箱，维奥拉-琼斯算法，KTL算法。 直接运行代码会出现”错误使用webcam，尚未安装MATLAB Support Package for USB Webcams。打开Support Package Installer即可安装Webcam Support Package”这个错误。 [](http://www.wjgbaby.com/wp-content/uploads/2018/01/18010403.png)
%使用KLT算法的3个前提假设：
%亮度恒定
%时间连续或者是运动是“小运动”
%空间一致，临近点有相似运动，保持相邻
clc,clear,close all;
%创建人脸检测对象，后面捕捉我英俊的脸庞，调用CascadeObjectDetector.m，使用了维奥拉-琼斯算法
faceDetector = vision.CascadeObjectDetector();
%使用点跟踪器进行视频稳定、摄像机运动估计和目标跟踪，它特别适合跟踪不改变形状的对象和显示视觉纹理的对象
%2表示对可能出现的错误进行双向限制，即使存在噪声也能正确显示
pointTracker = vision.PointTracker(‘MaxBidirectionalError’, 2);
%创建摄像头对象
cam = webcam();
%获取当前图像帧和其大小，如果一直执行，则每次返回最新的一帧
videoFrame = snapshot(cam);
frameSize = size(videoFrame);
%创建播放视频对象
videoPlayer = vision.VideoPlayer(‘Position’, [100 100 [frameSize(2), frameSize(1)]+30]);
runLoop = true; %默认开启循环
numPts = 0; %特征点初始为0
frameCount = 0; %帧数初始为0
%当runLoop为真并且帧数小于1000时，开启循环
while runLoop && frameCount < 1000
%获取当前图像帧，如果一直执行，则每次返回最新的一帧
videoFrame = snapshot(cam);
%处理成灰度图像
videoFrameGray = rgb2gray(videoFrame);
%每循环一次帧数就加1
frameCount = frameCount + 1;
if numPts < 10
%检测方式，bbox是1\*4向量，分布表示\[x y width height\]，即边界框的左上角像素点坐标和边界框的size
bbox = faceDetector.step(videoFrameGray);
if ~isempty(bbox)
%在脸部区域识别特征点，指定被保留特征值的最小值,一般为1
points = detectMinEigenFeatures(videoFrameGray, 'ROI', bbox(1, :));
%用初始化框架的点的位置初始化踪迹
xyPoints = points.Location;
numPts = size(xyPoints,1);
release(pointTracker);
initialize(pointTracker, xyPoints, videoFrameGray);
%复制点用于之前的点和现在的框架之间进行几何转换
oldPoints = xyPoints;
%将框架转化为一系列的4个点\[x1 y1 x2 y2 x3 y3 x4 y4\] ，即使被识别的脸发生旋转也能够被看到
bboxPoints = bbox2points(bbox(1, :));
%reshape表示重新调整矩阵的行数、列数、维数
bboxPolygon = reshape(bboxPoints', 1, \[\]);
% 在被检测的脸的周围插入边界框
videoFrame = insertShape(videoFrame, 'Polygon', bboxPolygon, 'LineWidth', 3);
% 显示被追随的点，在图像或视频中插入标记符号
videoFrame = insertMarker(videoFrame, xyPoints, '+', 'Color', 'white');
end
else
%检测点的踪迹，注意有一些点可能丢失
%xyPoints是xx \* 2数组，xx表示特征点数目，xyPoints是所有特征的的坐标
%isFound是xx \* 1数组，表示特征点是否有track ok。ok是1，否则为0
\[xyPoints, isFound\] = step(pointTracker, videoFrameGray);
visiblePoints = xyPoints(isFound, :);
oldInliers = oldPoints(isFound, :);
numPts = size(visiblePoints, 1);
if numPts >= 10
%在之前的点和新的点之间进行几何转换并建立边界线
\[xform, oldInliers, visiblePoints\] = estimateGeometricTransform(...
oldInliers, visiblePoints, 'similarity', 'MaxDistance', 4);
%运行边界点的转换
bboxPoints = transformPointsForward(xform, bboxPoints);
%reshape表示重新调整矩阵的行数、列数、维数
bboxPolygon = reshape(bboxPoints', 1, \[\]);
% 在被追随的物体周围插入边界框
videoFrame = insertShape(videoFrame, 'Polygon', bboxPolygon, 'LineWidth', 3);
% 显示被追随的点，在图像或视频中插入标记
videoFrame = insertMarker(videoFrame, visiblePoints, '+', 'Color', 'green');
%重置点
oldPoints = visiblePoints;
%设置跟随点，很多点在跟踪过程中丢失后，用于点的重新检测
setPoints(pointTracker, oldPoints);
end
end
%使用视频播放器对象显示被注释的视频帧
step(videoPlayer, videoFrame);
%检测视频播放窗口是否已经关闭
runLoop = isOpen(videoPlayer);end
%清空
clear cam;
release(videoPlayer);
release(pointTracker);
release(faceDetector);
运行效果如下，这只是一张截图，没有录屏，建议自己动手实现一下啊。 [](http://www.wjgbaby.com/wp-content/uploads/2018/01/18010402.jpg)