KLT Algorithm人脸追踪

%% Face Detection and Tracking Using the KLT Algorithm
% This example shows how to automatically detect and track a face using
% feature points. The approach in this example keeps track of the face even
% when the person tilts his or her head or moves toward or away from the
% camera.
%
%   Copyright 2013 The MathWorks Inc.

%% Detect a Face
% Create a cascade detector object.
faceDetector = vision.CascadeobjectDetector（）;

% Open a video file
videoFileReader = vision.VideoFileReader（‘tilted_face.avi‘）;

% Read a video frame and run the face detector.
videoframe      = step（videoFileReader）;
bbox            = step（faceDetector videoframe）;

% Convert the box to a polygon. This is needed to be able to visualize the
% rotation of the object.
x = bbox（1）; y = bbox（2）; w = bbox（3）; h = bbox（4）;
bboxPolygon = [x y x+w y x+w y+h x y+h];

% Draw the returned bounding box around the detected face.
shapeInserter  = vision.ShapeInserter（‘Shape‘ ‘Polygons‘ ‘BorderColor‘‘Custom‘...
    ‘CustomBorderColor‘[255 255 0]）;
videoframe = step（shapeInserter videoframe bboxPolygon）;
figure; imshow（videoframe）; title（‘Detected face‘）;

%% Identify Facial Features To Track
% Crop out the region of the image containing the face and detect the
% feature points inside it.
cornerDetector = vision.CornerDetector（‘Method‘ ...
    ‘Minimum eigenvalue （Shi & Tomasi）‘）;
points = step（cornerDetector rgb2gray（imcrop（videoframe bbox）））;

% The coordinates of the feature points are with respect to the cropped 
% region. They need to be translated back into the original image
% coordinate system. 
points = double（points）;
points（: 1） = points（: 1） + double（bbox（1））;
points（: 2） = points（: 2） + double（bbox（2））;

% Display the detected points.
markerInserter = vision.MarkerInserter（‘Shape‘ ‘Plus‘ ...
    ‘BorderColor‘ ‘White‘）;
videoframe = step（markerInserter videoframe points）;
figure imshow（videoframe） title（‘Detected features‘）;

%% Initialize a Tracker to Track the Points
% Create a point tracker and enable the bidirectional error constraint to
% make it more robust in the presence of noise and clutter.
pointTracker = vision.PointTracker（‘MaxBidirectionalError‘ 2）;

% Initialize the tracker with the initial point locations and the initial
% vide