基于opencv的视频人脸识别系统毕业论文设计(3)

第二阶段是人机交互式识别阶段：这一阶段所采用的主要技术方案是基于人脸几何结构特征（Geometric feature based）的研究方法，此方法的思想是首先检测出眼、鼻、嘴等脸部主要部件的位置和大小，然后利用这些部件的总体几何分布关系以及相互之间的参数比例来识别人脸，忽略了局部细微特征，更适合于粗分类。代表性工作有Goldstion、Harmon和Lesk等人用几何特征参数来表示人脸正面图像。他们采用21维特征矢量表示人脸面部特征，并设计了基于这一特征表示法的识别系统。Kaya和Kobayashi则采用了统计识别的方法

[11]

[3]

，用欧氏距离来表示人脸特征如嘴唇与鼻子之间的距离，嘴唇的高度等。更

进一步地，T．Kanad设计了一个高速且有一定知识导引的半自动回溯识别系统，创造性地运用积分投影法从单幅图像上计算出一组脸部特征参数，再利用模式分类技术与标准人脸相匹配。Kanad的系统实现了快速、实时的处理，促进了人脸识别系统走向实际应用领域。不足的是，此类方法仍需要利用操作员的某

些先验知识，仍然摆脱不了人的干预。

第三阶段是真正的机器自动识别阶段：20世纪90年代以来，人脸识别技术发展非常迅速，所提出的算法在较理想图像采集条件、用户配合、中小规模正面人脸数据库上达到了非常好的性能，也因此出现了若干知名的人脸识别商业公司，人脸识别的商业系统得到了进一步发展。从技术角度上看，2D人脸图像线性子空间判别分析、统计表观模型、统计模式识别方法是这一阶段内的主流技术。但是，主流的人脸识别技术在非约束环境下(多姿态、遮挡等多种变化因素)，识别率下降非常快，不能满足实际应用。总体而言，目前建立一个鲁棒的人脸识别系统仍然是一个很困难的问题。非理想成像条件下（尤其是光照和姿态）、用户不配合、大规模人脸数据库上的人脸识别问题逐渐成为研究的热点问题。

1.3. 人脸识别研究的意义

人脸识别是机器视觉和模式识别领域最富有挑战性的课题之一，同时也具有较为广泛的应用意义。人脸识别技术是一个非常活跃的研究领域，它覆盖了数字图像处理、模式识别、计算机视觉、神经网络、心理学、生理学、数学等诸多学科的内容。如今，虽然在这方面的研究已取得了一些可喜的成果，但是FRT在实际应用中仍面临着很严峻的问题,因为人脸五官的分布是非常相似的，而且人脸本身又是一个柔性物体，表情、姿态或发型、化妆的千变万化都给正确识别带来了相当大的麻烦。如何能正确识别大量的人脸并满足实时性要求是迫切需要解决的问题。

1.4. 人脸识别的技术应用

随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域。

1.电子护照及身份证。这或许是未来规模最大的应用，国际民航组织(ICAO)已确定，从2010年起，其118个成员国家和地区，必须使用机读护照，人脸识别技术是首推识别模式[6]，该规定已经成为国际标准。中国的电子护照计划公安部一所正在加紧规划和实施。

2.公安、司法和刑侦。如利用人脸识别系统和网络，在全国范围内搜捕逃犯。

3.自助服务。如银行的自动提款机，如果用户卡片和密码被盗，就会被他人冒取现金。如果同时应用人脸识别就会避免这种情况的发生。

4.信息安全。如计算机登录、电子政务和电子商务。在电子商务中交易全部在网上完成，电子政务中的很多审批流程也都搬到了网上。而当前，交易或者审批的授权都是靠密码来实现，如果密码被盗，就无法保证安全。但是使用生物特征，就可以做到当事人在网上的数字身份和真实身份统一，从而大大增加电子商务和电子政务系统的可靠性[7]。

新增加的技术简而言之，首先是人脸检测并提取出特征表达，随后再据此进行数据库对比，最后按照相似度排序返回结果。其实，人脸检测并不是新技术，相关研究已有三十年历史，然而直到去年底，百度才决定推动这一技术付诸实施。全球60亿人口，人脸相关技术应用前景不可限量！

1.5. 主要章节内容和章节结构

全文共分为五章，其具体内容如下：

第一章：序言。主要介绍人脸识别的背景、国内外发展状况、研究的意义和应用前景。

第二章：概述人脸识别的技术框架和功能模块。

第三章：概述了人脸识别相关算法，介绍了本文基于OpenCV的视频人脸识别算法的设计。

第四章：概述了人脸检测相关算法，介绍了本文基于AdaBoost算法的人脸检测算法。

第五章：人脸识别系统原型的设计实现。介绍了本文设计的基于OpenCV的人脸识别原型系统的实现

1.6. 本章小结

本章概括性的介绍了人脸表情识别的背景、发展现状、应用需求。人脸识别在身份认证、信息安全、媒体娱乐、图像搜索方面的重要应用。人脸检测是