基于opencv的视频人脸识别系统毕业论文设计(4)

人脸信息处理领域中的一个重要课题，具有很高的学术价值和应用潜力；同时人脸检测又是一个极具挑战性的问题。本文研究其中最具普遍性，也是最困难的复杂背景下静止灰度图像中的人脸检测、以及在得到人脸区域后进行识别的问题。

2. 人脸识别系统的技术框架和功能模块

2.1.

OpenCV简介

OpenCV的全称是(Open Source Computer Vision Library ),OpenCV于1999年由Intel建立，如今由Willow Garage提供支持。OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法,它不依赖于其它的外部库，但可以使用某些外部库。OpenCV 为Intel? Integrated Performance Primitives (IPP) 提供了透明接口。这意味着如果有为特定处理器优化的的 IPP 库，OpenCV 将在运行时自动加载这些库。OpenCV有几个显著的特点：

1.免费、开源 2.速度快、代码优化 3.方便灵活的用户接口

4.跨平台：windows Linux Mas OS 5.强大的图像和矩阵运算功能 6.统一的结构和功能定义

本次设计所用的开发工具是Microsoft Visual C++ 6.0。Visual C++ 6.0是Microsoft公司推出的一种可视化编程工具。它支持多平台和交叉平台的开发，将各种编程工具如编辑器、连接器、调试器等巧妙的结合在一起，构成一个完美的可视化开发环境。用户无需通过繁杂的编程操作，即可完成Windows下应用程序的编辑、编译、测试和细化等工作。

2.2. 人脸识别的功能模块

? 人脸捕获与跟踪功能：

人脸捕获是指在一幅图像或视频流的一帧中检测出人像并将人像从背景中分离出来，并自动地将其保存。人像跟踪是指利用人像捕获技术，当指定的人像在摄像头拍摄的范围内移动时自动地对其进行跟踪。 ? 人脸识别比对功能：

人脸识别分核实式和搜索式二种比对模式。核实式是对指将捕获得到的人像或是指定的人像与数据库中已登记的某一对像作比对核实确定其是否为同一人。搜索式的比对是指，从数据库中已登记的所有人像中搜索查找是否有指定的人像存在。

? 人脸的建模与检索：

可以将登记入库的人像数据进行建模提取人脸的特征，并将其生成人脸模板（人脸特征文件）保存到数据库中[9]。在进行人脸搜索时（搜索式），将指定的人像进行建模，再将其与数据库中的所有人的模板相比对识别，最终将根据所比对的相似值列出最相似的人员列表。 ? 真人鉴别功能：

系统可以识别得出摄像头前的人是一个真正的人还是一幅照片。以此杜绝使用者用照片作假。此项技术需要使用者作脸部表情的配合动作。 ? 图像质量检测：

图像质量的好坏直接影响到识别的效果，图像质量的检测功能能对即将进行比对的照片进行图像质量评估，并给出相应的建议值来辅助识别。

2.3. 人脸识别的技术框架

本文的人脸识别系统的功能有人脸图像采集、人脸图像预处理、人脸图像训练、人脸图像识别、增加人脸图像、删除人脸图像和修改人脸图像信心等。按照人脸识别的功能，本文的人脸识别系统框架可以用图2.1来表示。

图2.1 人脸识别系统框架

1.采集人脸图像。使用摄像机对进入重要场所的合法人员进行人脸图像的采集，采集图像时保持拍摄环境的一致性，同时拍摄的图像要保持人脸信息的完成性。

2.预处理人脸图像。对采集到的人脸图像进行统一的处理，将其处理为大小统一，存储格式一致的灰度图像。

3.训练人脸图像。对预处理的人脸图像进行人脸特征的提取，通过多次的人脸特征的选择，最终用选中的人脸特征作为识别时的依据。

4.识别人脸图像。识别阶段的前期处理和训练阶段是一样的，也需要首先采集需要识别的人脸图像，通过相同的预处理和人脸特征选择方法，提取和选择人脸的特征，然后将这些特征和数据库中已经存在的人脸特征进行对比匹配，然后输出确定该人员是否是合法的人员。

5.增加、删除、修改人脸图像。即对数据库中的人脸图像进行增加、删除、和修改等操作。

人脸识别系统训练完成后，对人脸识别时的基本过程如图2.2所示。

图2.2 人脸识别基本过程

人脸识别系统在对人脸图像进行识别之前必须首先对需要进行识别的合法人员的人脸图像进行训练，训练后的系统才可以用来完成识别的功能。其中识别时训练过的人员的人脸图像是系统默认合法的人员，因此可以以此来限制进入重要场所的人员。在实际的应用过程中，人脸识别系统的应用框架如图2.3所示。

图2.3 应用技术框架图

人脸识别不管是训练阶段还是识别阶段都首先需要采集人脸图像，然后对人脸图像进行预处理、特征提取、然后再进行训练和识别，最后形成训练结果或识别结果，其中训练阶段和识别阶段使用的数据不同。

2.4. 本章小结

本章介绍了人脸识别系统的技术框架和功能模块，人脸检测具有简单、方便、成本低、识别速度快等优点。人脸识别包括三个方面的内容：人脸检测、人脸对比和人脸跟踪。其识别过程分为三步：首先建立人脸的面像档案，其次获取当前的人体面像，最后用当前的面纹编码与档案库存的比对。

3. 人脸识别的方法

3.1.

人脸识别算法原理

人脸识别算法的原理：系统输入一般是一张或者一系列含有未确定身份的人脸图像，以及人脸数据库中的若干已知身份的人脸图象或者相应的编码，而其输出则是一系列相似度得分，表明待识别的人脸的身份。

3.2. 常用人脸识别方法

人脸识别包括两个方面：一是人脸检测和定位，二是人脸识别。人脸识别系统包括图像摄取、人脸定位、图像预处理、以及人脸识别。人脸识别的方法有很多。一是基于特征点的人脸识别方法，该方法是基于K-L变换的人脸识别方法，这种方法需要较多的训练样本，而且完全是基于图像灰度的统计特性。二是弹性图匹配的人脸识别方法，这种方法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任意顶点均包含一特征向量，用来记录人脸在顶点位置附近的信息。三是基于神经网络的人脸识别方法，该方法模拟人类大脑神经网络的结构和工作机理，构建一种类似人脑的计算模型。本文主要用基于神经网络的方法进行人脸识别，下一节将详细介绍这一方法。其次还有线段Hausdor距离（LHD）的人脸识别方法和支持向量机的人脸识别方法。

3.3. 基于神经网络的人脸识别方法

人工神经网络是通过模拟人类大脑神经网络的结构和工作机理，构建一种类似人脑的计算模型。人工神经网络的识别方法在人脸识别中的应用有很长的

历史，它有其特殊的适合于人脸识别的优势。它不像其他的方法那样要用一套由人来确定的规则，同时也避免了复杂的特征提取工作，他能根据有代表性的样本进行学习。神经网络以并行方式处理信息，如果能用硬件实现，就能显著提高速度。神经网络在人脸识别、性别识别中都有广泛的应用。

人工神经网络进行人脸识别主要有两种结构。第一，为所有已知人脸建立一个神经网络：可对所有已知人脸进行分类和识别。这种结构要求用所有人脸的特征对网络进行训练，训练好的网络连接权值是所有人脸特征的隐含表示 …… 此处隐藏：1771字，全部文档内容请下载后查看。喜欢就下载吧 ……