1、基于OPENCV的人臉識(shí)別1.Opencv的基本簡(jiǎn)介2.Opencv的應(yīng)用方面3.人臉識(shí)別概要4.用opencv做人臉識(shí)別的原理及步驟1.Opencv基本簡(jiǎn)介 （Open Source Computer Vision Library） 由Intel公司在背后提供支持。它包含了超過(guò)500個(gè)函數(shù)來(lái)實(shí)現(xiàn)用于圖形處理和計(jì)算機(jī)視覺(jué)方面的通用算法。 OpenCV是一個(gè)基于（開(kāi)源）發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺(jué)庫(kù)，可以運(yùn)行在Linux、Windows和Mac OS操作系統(tǒng)上。它輕量級(jí)而且高效由一系列 C 函數(shù)和少量 C+ 類(lèi)構(gòu)成，同時(shí)提供了JAVA、Python、Ruby、MATLAB等語(yǔ)言的接口，實(shí)現(xiàn)了圖像處理和

2、計(jì)算機(jī)視覺(jué)方面的很多通用算法。 2.Opencv的應(yīng)用 人機(jī)互動(dòng) 物體識(shí)別 圖像分割 人臉識(shí)別 動(dòng)作識(shí)別 運(yùn)動(dòng)跟蹤 機(jī)器人3.人臉識(shí)別概要人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部的一系列相關(guān)技術(shù)，通常也叫做人像識(shí)別、面部識(shí)別。主要包括四個(gè)組成部分，分別為：人臉圖像采集及檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取以及匹配與識(shí)別。4.步驟1.人臉采集：提取人臉并保存2.OpenCV檢測(cè)原理：OpenCV中有檢測(cè)人臉的函數(shù)（該函數(shù)還可以檢測(cè)一些其他物體）， 甚至還包含一些預(yù)先訓(xùn)練好的

3、物體識(shí)別文件。主要步驟為：1）加載分類(lèi)器：用cvLoad函數(shù)讀入xml格式的文件。文件在OpenCV安裝目錄下的“data/haarcascades/”路徑下，使用haarcascade_frontalface_atl.xmlhaarcascade_frontalface_atl2.xml2）讀入待檢測(cè)圖像。讀入圖片或者視頻3）檢測(cè)人臉3.人臉預(yù)處理：在一個(gè)人臉識(shí)別系統(tǒng)中，應(yīng)用多種預(yù)處理技術(shù)對(duì)將要識(shí)別的圖片進(jìn)行標(biāo)準(zhǔn)化處理是極其重要的。多數(shù)人臉識(shí)別算法對(duì)光照條件十分敏感，所以假如在暗室訓(xùn)練，在明亮的房間就可能不會(huì)被識(shí)別出來(lái)等等。這個(gè)問(wèn)題可歸于“l(fā)umination dependent”，并且還有

4、其它很多例子，比如臉部也應(yīng)當(dāng)在圖片的一個(gè)十分固定的位置（比如眼睛位置為相同的像素坐標(biāo)），固定的大小，旋轉(zhuǎn)角度，頭發(fā)和裝飾，表情（笑，怒等），光照方向（向左或向上等），這就是在進(jìn)行人臉識(shí)別前，使用好的圖片預(yù)處理過(guò)濾器。4.訓(xùn)練圖片：創(chuàng)建一個(gè)人臉識(shí)別數(shù)據(jù)庫(kù)，就是訓(xùn)練一個(gè)列出圖片文件和每個(gè)文件代表的人的文本文件，形成一個(gè)facedata.xml“文件。 比如，你可以把這些輸入一個(gè)名為”trainingphoto.txt”的文本文件： joke1.jpg joke2.jpg joke3.jpg joke4.jpg lily1.jpg lily2.jpg lily3.jpg lily4.jpg 它告訴這

5、個(gè)程序，第一個(gè)人的名字叫“joke，而joke有四張預(yù)處理后的臉部圖像，第二個(gè)人的名字叫”lily”，有她的四張圖片。這個(gè)程序可以使用”loadFaceImgArray()”函數(shù)把這些圖片加載到一個(gè)圖片數(shù)組中。 為了從這些加載好的圖片中創(chuàng)建一個(gè)數(shù)據(jù)庫(kù)，你可以使用OpenCV的”cvCalcEigenObjects()”和”cvEigenDecomposite()”函數(shù)。5.人臉圖像特征提取：Haar特征分為三類(lèi)：邊緣特征、線性特征、中心特征和對(duì)角線特征，組合成特征模板。特征模板內(nèi)有白色和黑色兩種矩形，并定義該模板的特征值為白色矩形像素和減去黑色矩形像素和。在確定了特征形式后 Harr- lik

6、e特征的數(shù)量就取決于訓(xùn)練樣本圖像矩陣的大小，特征模板在子窗口內(nèi)任意放置，一種形態(tài)稱(chēng)為一種特征，找出所有子窗口的特征是進(jìn)行弱分類(lèi)訓(xùn)練的基礎(chǔ)。6.識(shí)別過(guò)程：1）讀取用于測(cè)試的圖片。2）平均人臉，特征臉和特征值（比率）使用函數(shù)“l(fā)oadTrainingData()” 從人臉識(shí)別數(shù)據(jù)庫(kù)文件（the face recognition database fil）“facedata.xml”載入。3）使用OpenCV的函數(shù)“cvEigenDecomposite()”，每張輸入的圖片都被投影到PCA子空間，來(lái)觀察哪些特征臉的比率最適合于代表這張圖片。4）現(xiàn)在有了特征值（特征臉圖片的比率）代表這張輸入圖片，程序

7、需要查找原始的訓(xùn)練圖片，找出擁有最相似比率的圖片。這些用數(shù)學(xué)的方法在“findNearestNeighbor()”函數(shù)中執(zhí)行，采用的是“歐幾里得距離（Euclidean Distance）”。5.)在輸入圖片與最相似圖片之間的距離用于確定可信度（confidence）,作為是否識(shí)別出某人的指導(dǎo)。1.0的可信度意味著完全相同，0.0或者負(fù)的可信度意味著非常不相似。5.人臉識(shí)別的長(zhǎng)處與不足人臉識(shí)別的長(zhǎng)處相比較其他生物識(shí)別技術(shù)而言）非接觸的，用戶(hù)不需要和設(shè)備直接接觸；非強(qiáng)制性，被識(shí)別的人臉圖像信息可以主動(dòng)獲取；并發(fā)性，即實(shí)際應(yīng)用場(chǎng)景下可以進(jìn)行多個(gè)人臉的分揀、判斷及識(shí)別；人臉識(shí)別的不足對(duì)周?chē)墓饩€環(huán)境

8、敏感，可能影響識(shí)別的準(zhǔn)確性；人體面部的頭發(fā)、飾物等遮擋物，人臉變老等因素，需要進(jìn)行人工智能補(bǔ)償；（如可通過(guò)識(shí)別人臉的部分關(guān)鍵特性做修正）。參考文獻(xiàn)：1“人臉檢測(cè)研究綜述”，梁路宏等，計(jì)算機(jī)學(xué)報(bào)，Vol 25，No 5，May 2002；2“人臉檢測(cè)與檢索”，艾海舟等，自然科學(xué)基金項(xiàng)目60273005；3“基于連續(xù)adaboost算法的多視角人臉檢測(cè)”， 武勃等，計(jì)算機(jī)研究與發(fā)展，2005；4 “Comparative Testing of Face Detection Algorithms”， N Degtyarev et al., Image and Signal Processing, 2010;5“Rapid object detection using a boosted cascade of simple features.” Paul Viola and Michael Jones, Accepte