今天同学让我帮忙制作一个人脸表情识别的样本库，当中主要是对人脸进行裁剪，这里用到了一个相对较新的Matlab人脸检測方法Face Parts Detection。网上百度了一下发现关于Matlab人脸检測的代码和资源并不多。故此专门撰写一篇博客来具体介绍这个人脸检測方法的用途。
一、下载相应的工具包
首先下载相应的工具包。matlab最方便的地方莫过于此了。直接下载、配置简单、而且能够查看源代码，这里给出相应的工具包下载地址：Face Parts Detection工具包。
点击“Download Zip”下载button開始下载，下载完毕后解压，得到例如以下文件：
二、配置工具包
下载完毕后開始配置工具箱。首先须要强调一点，这种方法须要依赖两个Matlab图像处理方面的工具箱Image Processing Toolbox和Computer Vision System Toolbox。差点儿全部版本号的Matlab都默认集成了Image Processing工具箱。但对于Computer Vision System工具箱仅仅有相对较高版本号（Matlab2013及以上）的Matlab版本号才进行了集成，因此假设在程序运行过程中提示缺少相应的工具箱，则须要手动进行配置Computer Vision System。
假设Matlab已经配置好了以上两个工具箱，接下来開始配置Face Parts Detection工具包，方法极其简单，仅仅需在Set Path对话框中将当前工具箱的目录（这里是Face_detection_Parts目录）路径加入到系统的搜索路径就可以：
三、进行批量人脸检測
工具箱配置完毕后開始利用其进行人脸检測。
3.1、批量读取图片
首先，须要对数据库中的图像进行批量读取，读取完之后再进行人脸检測。首先给出批量读取的代码。稍后解释：
clear; stImageFilePath = \'E:\CAS-PEAL-R1(1)\CAS-PEAL-R1\FRONTAL\Expression\\'; stImageSavePath = \'E:\Face_Detection\\'; dirImagePathList = dir(strcat(stImageFilePath,\'*.tif\')); %读取该目录下全部图片的路径（字符串格式） iImageNum = length(dirImagePathList); %获取图片的总数量 if iImageNum > 0 %批量读入图片，进行五官检測，再批量检測 for i = 1 : iImageNum iSaveNum = int2str(i); stImagePath = dirImagePathList(i).name; mImageCurrent = imread(strcat(stImageFilePath,stImagePath)); end end
这里採用dir（）函数的方法来读取目录下全部文件的文件名称，dirImagePathList(i).name中保存了目录下的全部文件的名称。
有关Matlab中dir（）函数的使用方法大家能够參考网络资料。
stImageFilePath变量保存了当前图片所在目录的路径（这里为E:\CAS-PEAL-R1(1)\CAS-PEAL-R1\FRONTAL\Expression\），stImageSavePath变量指定了裁剪之后的人脸图像的保存路径。
这里须要注意的一点就是保存裁剪结果的目录须要事先创建好（或者在程序中通过mkdir等函数来提前创建）。通过strcat（）函数来推断当前图像名称中是否包括“.tif”来确定其是否为图像文件（这里的数据库中的图像文件都是tif格式的），
3.2、编写人脸检測函数
批量读取图像完毕后。開始进行人脸检測，这里选择将人脸检測封装为一个脚本文件方便调用。这里暂且将其命名为face_segment.m文件。
首先，须要推断当前图像的通道数，由于Face Parts Detection方法仅仅能针对三通道图像进行人脸检測，假设当前图像为灰度图（单通道图）。则须要先将其转换为三通道矩阵形式：
%%%%%%%%%%%%%%%%%%%%将灰度图变为三通道图%%%%%%%%%%%%%%%%%%%% if(size(mImageSrc,3) == 1) mImage2detect(:,:,1) = mImageSrc; mImage2detect(:,:,2) = mImageSrc; mImage2detect(:,:,3) = mImageSrc; else mImage2detect = mImageSrc; end
然后開始调用工具箱进行人脸检測。就两句代码就可以（可见作者将程序封装得何其之好）：
%%%%%%%%%%%%%%%%%%%%对图像进行人脸检測%%%%%%%%%%%%%%%%%%%% FaceDetector = buildDetector(); [bbox,bbimg,faces,bbfaces] = detectFaceParts(FaceDetector,mImage2detect,2);
对于bbox,bbimg,faces,bbfaces这四个检測结果的具体含义，在detectFaceParts.m文件的开头部分作者给出了具体的解释，我们这里仅仅用到bbox这个变量。它里面分别保存了所检測出的人脸区域（一个矩形框）的左上角坐标以及宽度和高度。
检測完毕之后。再统一将图像转换为灰度图，保证格式的统一。方便保存：
%%%%%%%%%%%%%%%%%%%%输入图像灰度化%%%%%%%%%%%%%%%%%%%% if 1 ~= size(mImageSrc,3) mImageSrc = rgb2gray(mImageSrc); mImageSrc = double(mImageSrc); elseif 1 == size(mImageSrc,3) mImageSrc = double(mImageSrc); end
接下来開始对人脸区域进行切割。这个有两种切割策略，一种是直接使用检測到的人脸框bbox对原图进行截取，在不可控的採集条件下仅仅能用这样的方法来切割人脸。另外一种策略是针对人脸框bbox首先确定人脸区域的中心点，然后再以中心点为基准向四周依照一定比例进行外扩，这样的方法仅适合採集条件严格可控、人脸大致对齐的人脸数据库，恰好我们所处理的数据库满足这样的要求。因此在这里採用另外一种策略进行人脸区域切割，代码例如以下：
%%%%%%%%%%%%%%%%%%%%得到人脸区域框的中心点%%%%%%%%%%%%%%%%%%%% recFace.x = bbox(1,1); recFace.y = bbox(1,2); recFace.width = bbox(1,3); recFace.height = bbox(1,4); ptFaceCenter.x = recFace.x + recFace.width / 2; ptFaceCenter.y = recFace.y + recFace.height / 2; %%%%%%%%%%%%%%%%%%%%以中心点为基准进行外扩（即对人脸选框进行调整）%%%%%%%%%%%%%%%%%%%% recFace.x = ptFaceCenter.x - recFace.width * 0.4; recFace.y = ptFaceCenter.y - recFace.height * 0.35; recFace.width = recFace.width * 0.8 ; recFace.height = recFace.height * 0.8 ; mFaceResult = uint8(imcrop(mImageSrc,[recFace.x,recFace.y,recFace.width,recFace.height]));
这里仅仅涉及到了简单的几何知识，因此不再赘述。确定好人脸矩形区域之后，使用imcrop（）函数进行区域切割。这里给出face_segment.m文件的完整代码：
%=============================================================================== %函数名称：face_segment %输入參数：mImageSrc，待切割的人脸图像。可能是灰度图像，也可能是彩色图像 %输出參数：mFaceResult，切割后的人脸结果，应为灰度图像 %主要步骤：1）进行人脸检測，得到脸部区域的框框 % 2）得到脸部图像框的中心点 % 3）依据中心点。对图像进行等比例外扩，得到合适大小的人脸图像 %注意事项：1)首先须要推断该图像是否为灰度图。若为灰度图，须要先将其转换为三通道彩色图 %=============================================================================== function mFaceResult = face_segment(mImageSrc) %%%%%%%%%%%%%%%%%%%%将灰度图变为三通道图%%%%%%%%%%%%%%%%%%%% if(size(mImageSrc,3) == 1) mImage2detect(:,:,1) = mImageSrc; mImage2detect(:,:,2) = mImageSrc; mImage2detect(:,:,3) = mImageSrc; else mImage2detect = mImageSrc; end %%%%%%%%%%%%%%%%%%%%对图像进行人脸检測%%%%%%%%%%%%%%%%%%%% FaceDetector = buildDetector(); [bbox,bbimg,faces,bbfaces] = detectFaceParts(FaceDetector,mImage2detect,2); %%%%%%%%%%%%%%%%%%%%输入图像灰度化%%%%%%%%%%%%%%%%%%%% if 1 ~= size(mImageSrc,3) mImageSrc = rgb2gray(mImageSrc); mImageSrc = double(mImageSrc); elseif 1 == size(mImageSrc,3) mImageSrc = double(mImageSrc); end %%%%%%%%%%%%%%%%%%%%得到人脸区域框的中心点%%%%%%%%%%%%%%%%%%%% recFace.x = bbox(1,1); recFace.y = bbox(1,2); recFace.width = bbox(1,3); recFace.height = bbox(1,4); ptFaceCenter.x = recFace.x + recFace.width / 2; ptFaceCenter.y = recFace.y + recFace.height / 2; %%%%%%%%%%%%%%%%%%%%以中心点为基准进行外扩（即对人脸选框进行调整）%%%%%%%%%%%%%%%%%%%% recFace.x = ptFaceCenter.x - recFace.width * 0.4; recFace.y = ptFaceCenter.y - recFace.height * 0.35; recFace.width = recFace.width * 0.8 ; recFace.height = recFace.height * 0.8 ; mFaceResult = uint8(imcrop(mImageSrc,[recFace.x,recFace.y,recFace.width,recFace.height])); end
四、人脸批量保存
在完毕人脸检測函数之后，開始对人脸进行检測切割和批量保存，这里直接给出代码：
clear; stImageFilePath = \'E:\CAS-PEAL-R1(1)\CAS-PEAL-R1\FRONTAL\Expression\\'; stImageSavePath = \'E:\Face_Detection\\'; dirImagePathList = dir(strcat(stImageFilePath,\'*.tif\')); %读取该目录下全部图片的路径（字符串格式） iImageNum = length(dirImagePathList); %获取图片的总数量 if iImageNum > 0 %批量读入图片，进行五官检測，再批量检測 for i = 1 : iImageNum iSaveNum = int2str(i); stImagePath = dirImagePathList(i).name; mImageCurrent = imread(strcat(stImageFilePath,stImagePath)); mFaceResult = face_segment(mImageCurrent); imwrite(mFaceResult,strcat(stImageSavePath,iSaveNum,\'.bmp\')); end end
这段代码的逻辑相对简单。调用strcat（）字符串拼接函数来完毕检測结果的自己主动命名，考虑到版权问题，这里不粘贴终于的人脸切割结果，但程序亲測可用，没有问题。
五、注意事项
1、OpenCv人脸检測函数
进行人脸检測是Matlab并非唯一选择，OpenCv也相同封装的人脸检測函数，只是OpenCv中封装的人脸检測函数是基于AdaBoost算法。相对经典而古老。性能不如本文中所介绍的人脸检測算法，而且OpenCv在读取tif格式的图像文件时显得异常麻烦。
2、原理介绍
在这篇博文中我们仅仅介绍了Face Parts Detection算法的具体使用方法，至于去人脸检測原理，将来有时间了我再专门写博文进行介绍。
3、打不开MathWork官网的话我能够给发邮箱
假设出现不能正常登陆MathWork站点，无法下载工具箱的情况。能够给我发邮件，我会抓时间提供相应的工具箱
4、灰度图不等于单通道图
在这里再强调一个小问题。就是灰度图与单通道图的关系，理论上来说这两个名词全然属于不同的概念。灰度图不一定是单通道图。由于三个通道的RGB值均相等的三通道图在视觉上相同变现为灰度图。只是单通道图肯定是灰度图。
