基于MATLAB的主动形状模型人脸特征点检测系统

资 源 简 介

本MATLAB项目实现了Ghassan Hamarneh版本的ASM算法，包含训练模块（构建统计形状模型和局部纹理模型）和识别模块（自动检测68个人脸特征点），支持人脸形状建模与配准功能。

详 情 说 明

基于主动形状模型（ASM）的人脸特征点检测与识别系统

项目介绍

本项目实现了一套基于主动形状模型（ASM）的人脸特征点自动检测与识别系统。系统采用Ghassan Hamarneh教授团队提出的经典ASM框架，通过统计形状建模和局部纹理分析，能够精确检测人脸图像中的68个关键特征点，并实现人脸的形状匹配与身份验证。

核心技术包括点分布模型（PDM）、主成分分析（PCA）和主动形状模型搜索算法，系统具备完整的训练、检测、识别和可视化功能。

功能特性

• 模型训练：从带标注的训练图像集中学习人脸形状变化规律，构建统计形状模型和局部纹理模型
• 特征点检测：自动定位输入人脸图像的68个关键特征点，实现精确的形状建模
• 人脸配准识别：将检测到的人脸形状与模型库进行匹配，输出相似度得分和识别结果
• 实时可视化：动态展示特征点定位过程、拟合结果和收敛情况
• 参数可配置：支持形状模型方差阈值、迭代次数等关键参数灵活调整

使用方法

训练阶段

1. 准备训练数据集（如LFPW、Helen等），包含JPEG/PNG格式人脸图像和对应的68点标注文件
2. 配置形状模型参数（方差比例阈值默认95%）
3. 运行训练模块，生成ASM模型参数文件和平均人脸形状模板

识别阶段

1. 输入待检测的RGB或灰度人脸图像（建议分辨率≥300×300像素）
2. 设置识别参数（迭代次数默认50次）
3. 系统自动输出68个特征点坐标、可视化标注图像和匹配相似度
4. 查看诊断信息包括迭代收敛曲线和模型拟合误差统计

系统要求

• 操作系统：Windows/Linux/macOS
• 编程环境：MATLAB R2018a或更高版本
• 内存要求：≥4GB RAM（建议8GB）
• 存储空间：≥1GB可用磁盘空间
• 图像格式：支持JPEG、PNG等常见格式

文件说明

主程序文件实现了系统的核心控制逻辑，主要包括训练流程的初始化与执行、检测过程的参数配置与结果输出、识别匹配的功能调度以及可视化界面的生成与管理。该文件整合了各功能模块，提供完整的端到端处理管道，支持用户通过简洁的接口调用全部系统能力。