1、基于 opencv 的人臉檢測界面開發摘要人臉檢測（Face Detectio）n是一種在任意數字圖像中找到人臉的位置和大小的計算機技術。它可以檢測出面部特征，并忽略諸如建筑物、身體和其他任何東西。人臉檢測技術不僅僅是人臉跟蹤、人臉識別、表情識別等技術的重要條件，同時在人機交互、模式識別、視頻檢索、智能監控等領域也引起了廣泛的重視。在通過對人臉檢測相關知識進行學習的基礎上，本文首先對國內外的人臉檢測發展進行了相關分析，闡述了本課題的研究背景及意義；第二章介紹基于 Opencv 實現人臉檢測的相關方法和檢測原理；第三章指出了基于 QT 平臺，人臉檢測界面如何開發，需要用到的相關技術知識和操作流程

2、。第四章設計了基于 opencv 的人臉檢測程序，采用了 QT 開發工具并結合 opencv 技術對程序界面進行設計實現。關鍵詞：人臉檢測；QT開發；Opencv；AbstractFace detection is a computer technology that identifies human faces in digital images.detection technology is not just an important condition for face recognition, also attract attentionin the human-computer in

3、teractionp,atternrecognitionv,ideo retrievali,ntelligent monitoring and other fields.Firstly in this paper, through the study of relevant technology of face detection reco andface detectionto identifyrelevantexperience in the domestic andabroad are analyzed,indicating the background and the signific

4、ance of the topic.Based on opencv,the chapterintroduceshow to realizethe design.Thenthe thirdchapterpointsout how to developface detections intebrafsaecde on the QT platform; The foucrhtahpter based on opencv facedetection procedures, using opencv, the QT development tools,achieve the design.Key Wor

5、ds：Face detection; QT development; Opencv;目錄摘要錯誤!未定義書簽。Abstract錯誤!未定義書簽。目錄III1 緒論11.1 課題背景及意義11.1.1 課題的背景 . 課題的意義 .1.1.2 人臉檢測的發展現狀11.2.1 國內外現狀 . 研究難點.2.1.3 本文安排21.4 本章小結22 Opencv 與人臉檢測32.1 人臉檢測的方法32.1.1 幾何特征法 . 特征臉法. 彈性圖匹配法 . 神經網絡法 .5.2.2 Opencv 的應用領域52.3 Opencv 的基

6、本結構62.4 Opencv 檢測原理62.5 本章小結63 QT 平臺人臉檢測界面的開發73.1 QT 的簡介73.2 QT 平臺的搭建83.2.1 構建QT 應用程序的流程 . 編譯QT 應用程序的方法 . 開發QT 程序的基本流程113.4 本章小結134 人臉檢測的實現144.1 通過Cmake 編譯Opencv144.2 配置Qt Creator 的Opencv 開發環境164.3 人臉檢測的實驗過程174.4 本章小結205 總結與展望21參考文獻22附錄 人臉檢測源程序23合肥師范學院 20*屆本科生畢業論文（設計）1 緒論1.1 課題背景及意義1.1

7、.1課題的背景人臉檢測早期的時候是用來檢測人臉中特征點之間的距離、比例等參數作為特征數據參數,建立具備半自動化的人臉檢測程式。而早期檢測有兩個主要研究:基于幾何繪制任何臉型之間的距離和角度,以及一些容貌上,眼角、嘴角、鼻尖和部位構成平面拓撲;其次,模板方法模式和利用電腦圖像細微的相關性來實現檢測功能。在 1993 年 Berto 對兩類方法進行對分分析后發現,模板匹配法和幾何特征方法中前者較為優秀1。對人臉的特征提取與識別可看成是一個 3D 物體的 2D 投影圖像進行匹配。而人臉實際是個非剛性模型，在不同情況下可能存在一定的彈性形變 ,如表情、姿勢位創造變化與模型檢測問題相似。環境因素對提取某

8、種特征識別和有效的。例如 ,在不同照明條件下的個人特征也可能發生一些變化。因此在個人特征提取和識別圖像識別前將進行某些預處理 (標準化)。刪除背景,服裝及冗余無用甚至有干擾到位置和校準目標灰度可以提高臉部檢測效率,面部檢測準確率得以提升。1.1.2課題的意義研究人臉檢測在理論和技術上都有重要的意義：一是可以推進對人類視覺系統的認識； 二是需要滿足人工智能的應用。使用面部檢測技術，建立人臉自動檢測系統，利用計算機實現自動檢測人臉圖像具有廣泛的應用領域。與其他作為標志識別的方法（如指紋，虹膜，和檢測等）相比具有以下優點2：不顯眼，圖像采集接口需要檢測沒有身體接觸的人，你不能打擾檢測人類；成本低，安

9、裝方便，只需使用面部識別系統內置的攝像頭，攝像設備可以是普通攝像頭，數碼相機和手機，對用戶沒有特殊安裝要求；無需人工干預，整個識別過程不要求用戶主動參，計算機可以自動通過預先用戶設置。由于具有以上優點，近幾年來，人臉識別技術引起了越來越多科研人員的關注。1.2 人臉檢測的發展現狀1.2.1 國內外現狀隨著圖像處理、生物特征、模式識別和各種分類算法等技術的發展而逐步的完善，為我們的生活和工作帶來各種各樣的便利和安全。近年來，反國內和國際恐怖主義，國家安全和社會穩定的需求，世界各國都加大了對安全，生物驗證和識別領域的重視。美國軍方研究機構建立人臉檢測算法 FERET 評估標準，統一各種人臉檢測和識

10、別標準3。國內在人臉自動識別技術研究相對起步較晚，開始于上世紀 90 年代末。有國家自然科學基金會、863 計劃，還有許多當地的大學，研究機構和IT 企業都建立了人臉檢測研究小組。主要研究機構有:上海交通大學、西北大學、西安交通大學、同濟大學、復旦大學、南京理工大學、南京大學、北京工業大學、武漢大學、華中科技大學、微軟亞洲研究院、3上海銀晨智能識別科技有限公司等4。他們在人臉檢測、與特征抽取和人臉檢測算法等做了大量有意義的工作，也積累了豐富的經驗。我國在此領域的研究和相關系統的開發正進一步躋身世界先進行列。1.2.2 研究難點徑等等5。1.3 本文安排本文一共有五個章節。第一章為緒論介紹課題背

11、景及意義，并對人臉檢測的發展現狀進行分析。第二章介紹Opencv 與人臉檢測內容。第三章介紹QT 平臺人臉檢測界面的開發需要用到的相關技術。第四章介紹人臉檢測的實現。第五章是總結與展望。1.4 本文小結本章是緒論，主要內容包括課題研究背景及意義以及人臉檢測的發展現狀。2 Opencv 與人臉檢測2.1 人臉檢測的方法高精度的檢測工作一般需要復雜的處理過程，如將圖象映射到表面，恢復為三維模型， 進行模型匹配等，但基于二維的圖象處理也可進行人臉檢測，下面介紹常用的幾種方法。2.1.1 幾何特征法很多人采用幾何特征法。例如：一些常見的幾何特征，例如人臉形狀的局部特性有眼睛，鼻子，嘴等，并在該面的分布

12、函數的面部特征有幾何特性。基于檢測這些幾何特征， 鑒定特征向量之間的對應關系，通過歐幾里得距離的識別是最常用的方法。眼睛，鼻子，嘴，下巴，不同之處是由于各種形狀、尺寸和這些組件的結構，所以通過對形狀和結構之間的幾何描述，可以作為檢測的重要特征。幾何特征通常通過提取人眼， 口，鼻和其它重要的特征點的位置作為分類功能的重要器官6。基于少量的存儲器幾何特征的檢測方法也有一些問題：提取物防抖更為困難；改變可能劇烈；導致一些信息丟失，適合于粗略的分類。一種方法是處理一組獨立的小模型，如眼睛，嘴巴，鼻子，眉毛和下巴。這些模型必須用于獲得每個特征的輪廓，而基于邊緣檢測的傳統方法很難獲得一個連續的上邊緣。為此

13、，提取特征彈性的方法有其獨特的優勢。在靈活識別設計特征的形狀的基礎上，可調節的參數。為了找到這組參數，需要使用圖像的邊緣，先用來設計一個高峰，山谷的形狀及強度的信息和能量。當能量達到最小，這組對應的最適合的形狀模型的形狀特征參數調節能量減小。其基本思路是：設計一個可調節的部件模型（即變形模型，如圖 2-1 所示），能量通過調整模型參數定義，使得能量函數最小化，然后將模型參數作為一個實體的幾何特性7。acR2.1.2 特征臉法bb圖2-1可變形模板方法的眼模型這種方法的原理是 LDA（Principal Component Analysis 主分量分析法）用于特征選擇和降低圖象維數，是一種通用方

14、法。因此可以用K-L 變換獲取其正交 K-L 基底，對應其中較大特征值的基底具有與人臉相似的形狀，因此，又稱之為特征臉，得到人臉重要特征之后，要對其進行主成份分析，其具體的算法思想如下8：若抽樣參加訓練的人臉圖像有 M 張，每張圖像的維數是 N*N,則可以分別表示為：x1、合肥師范學院 20*屆本科生畢業論文（設計）4x2、x3、x M ,那么平均臉可以表示為：F1/ Mx (i 1 、2M )i（2-1）每張人臉和平均人臉的距離可以表示為：dxFii（2-2）假設矩陣A=d1，d2，d2，dM,特征臉需要做的就是找出矩陣 AAT的前Z個較大特征值中的特征向量，但AAT是一個N2*N2維的大矩

15、陣，求這個矩陣的特征值的計算量是很大的。為此我們可以先求出 AAT的特征值與特征向量，然后求出uiUAun1/2(j0,1,2, ,z 1)（2-3）ij ju 表示AAT的特征向量，u 表示ATA的特征向量，n 是ATA的特征值，u 就是所指的特征臉。jjij求出特征臉以后，所剩下的工作就是要對庫中的人臉進行降維，由u 可以組成一個投影矩j陣，表示為W=u1u2，,u Z-1,并進行降維：qW T di(i0,1,2, ,N1)（2-4）i由上式得出所有人臉向量的降維向量。基于特征臉的識別方法的優點：大大降低了原始空間的維數，在這個低維空間中可進行人臉檢測和識別。Pentland 等人在人臉

16、檢測中使用了特征臉方法，得到的特征臉如圖2-2 所示：2-2 特征臉法缺點：這種方法對光條件變化更敏感。如果是光照條件變化，投影矩陣保留的主要元素變化。因此，在該投影矩陣的點不能非常小。隨著技術提高，面部特征可能是標準線性費舍爾（ Fisher 線性判別，簡寫 FLD ）應用于人臉識別。三者相比得出的結論是，除去不在該區域和分類變化的作用，它們將被同等對待。FLD 改正 LDA 缺點，可作為分類類別中的矩陣分布。標準線性分析并不一定總比 LDA 更好。當樣本量較少時， LDA 比 FLD 更好。在許多領域，特別是在人臉識別領域，人們并不知道不同類別的基本分布情況。他們的實驗表明， 這種考慮是正

17、確的，在一些實驗中，FLD 比 LDA 和 FLD 效果更好，而在其他測試中 FLD 比LDA 更好9。合肥師范學院 20*屆本科生畢業論文（設計）2.1.3 彈性圖匹配法彈性圖匹配法（Elastic Graph Matching）是一種基于動態鏈接結構（Dynamic Link Architecture，DLA）的方法。在兩維空間中來制造人類面部屬性拓撲，將拓撲置于預先， 每個節點包含一個特征向量，其中記錄的人臉有關近距離符號幾何節點，峰值信息的分布之間的拓撲關系是一個二維拓撲基于接口描述10。利用該方法進行人臉識別時，可同時考慮節點特征向量匹配和相對幾何位置匹配。在待識別人臉圖像上掃描拓撲

18、圖結構并提取相應節點特征向量，把不同位置的拓撲圖和庫中人臉模式的拓撲圖之間的距離作為相似性度量。此外，可用一個能量函數來評價待識別人臉圖像向量場和庫中已知人臉向量場間的匹配度，即最小能量函數時的匹配 。該方法使得幾何特征描述越來越充分，保留了人臉的拓撲結構和局部特征，通過局部節點調節和彈性圖變形，以及局部特征的多級Gabor 變換描述，使得該方法對光照、姿態變化等具有較好的適應性。該方法的主要缺點是計算量較大，必須對每個存儲的人臉計算出模型圖，占用很大存儲空間。2.1.4 神經網絡法基于神經網絡的人臉檢測方法，近年來較為活躍，研究已應用于人臉識別，表情分析和其他問題，并獲得良好的效果。這類方法

19、的人臉采用神經網絡分類和能力的學習灰度級的特征進行了鑒定。通常需要考慮兩個因素：選擇圖像輸入參數；選擇什么類型的神經網絡。目前，有兩種主要的策略輸入中、，第一種特征向量提取作為輸入向量，第二個是圖像像素直接進入神經網絡。這能有效地控制神經網絡的基本尺寸，根據一組特征來選擇樣本方差的特性，但程度和所得的收斂速度慢11。面部識別神經網絡還有很多，比如反向傳播（BP 反向傳播的測試）BP 神經網絡算法。該方法簡單，有很強的學習能力，更小的計算量；科特雷爾和其他使用級聯識別 BP 神經網絡，人臉識別傷害較好的能力;基于神經網絡的臨山等人提出的（概率神經網絡的結果， PDBNN）方法，做虛擬樣品制備和反

20、加強學習，以獲得想要的結果的可能性，估計模塊化 架構，以加快學習網絡的可能性。由于神經網絡徑向基函數（ RBF 神經網絡， RBF）具有良好的緊湊空間，平整等特點，已經用于人臉檢測12。2.2 opencv 的應用領域7制造的產品都在流水線上的某個環節上自動使用視覺檢測13。汽車和無人水下機器人14。2.3 opencv 的基本結構Opencv 主體模塊如圖 2-1 所示。 Opencv 的 CV 模塊包含了基本的圖像處理功能和先進的計算機視覺算法，MLL 模塊是機器學習庫,包含統計分類器等幾種工具，HIGHGUI 模塊包含圖像和視頻輸入/輸出功能。CXCORE 包含 Opencv 的一些基本

21、數據結構和相關函數15。2.4 opencv 檢測原理圖2-3 OpenCV主體中的四個模塊OpenCV 中有檢測人臉的函數（該函數還可以檢測一些其他物體）， 甚至還包含一些預先訓練好的物體檢測文件。所以利用這些已有的東西就可以做出一個人臉檢測的程序。主要步驟為： 1.加載分類器。用cvLoad函 數 讀 入xml格 式 的 文 件 。 文 件 在Opencv安 裝 目 錄 下 的“data/haarcascades/”路徑下。2. 讀入待檢測圖像。讀入圖片或者視頻。3. 檢測人臉。2.5 本文小結本章重點介紹了人臉檢測的方法以及 Opencv 相關技術知識。3 QT 平臺人臉檢測界面的開發3

22、.1 QT 的簡介Qt 是諾基亞開發的一個跨平臺的C+圖形用戶界面應用程序框架。它可以開發一個GUI 程序也可用于開發非 GUI 程序比如控制臺工具和服務器。它提供了應用程序開發人員可以構建所需的最先進用于該局圖形用戶界面。 Qt 是完全面向對象的，易于擴展，并且允許真正的組件編程12。基本上，Qt 和花片 X 窗口上，MFC Openwin，GTK 圖形界面，如圖書館和 Windows 平臺，OWC，VCL，ATL 是同一種東西，但 Qt 的有以下優點16：（1） 很好的跨平臺特性Qt 支持下列操作系統:Microsoft Windows 95/98，Microsoft Windows NT

23、，Linux， Solaris， SunOS，HP-UX，Digital UNIX(OSF/1，Tru64)，Irix，FreeBSD，BSD/OS，SCO， AIX， OS390，QNX 等等（2） 面向對象Qt 的良好封裝機制使得 Qt 的模塊化程度非常高，可重用性較好，對于用戶開發來說是非常方便的。Qt 提供了一種稱為 signals/slots 的安全類型來替代 callback，這使得各個元件之間的協同工作變得十分簡單。（3） 豐富的 APIQt 包括多達 250 個以上 C+類，還提供基于模板的 collections，serialization， file，I/O device，

24、directory management，date/time 類。甚至還包括正則表達式的處理功能。（4） 大量的開發文檔（5） XML 支持（6） Webkit 引擎的集成，可以實現本地界面與 Web 內容的無縫集成（7） 用戶自定義控件其他的工具包在應用時都存在一個普遍的問題，就是經常沒有真正適合需求的控件， 生成的自定義控件對用戶來說，也是一個黑匣子。比如，在Motif 手冊中就討論了用戶自定義的控件的問題。而在 Qt 中，能夠創建控件，具有絕對的優越性，生成自定義的控件非常簡單，并且容易修改控件。（8） 方便性由于 Qt 是一種跨平臺的 GUI 工具包，所以，它對編程者隱藏了在處理不同窗

25、口系統時的潛在問題。為了將基于 Qt 程序更加方便，Qt 包含了一系列類，該類能夠使程序員避免了在文件處理、時間處理等方面存在依賴操作系統方面的細節問題。（9） 國際化Qt 為本地化應用提供完全的支持，所有用戶界面的文本或字符串都可以利用翻譯工具合肥師范學院 20*屆本科生畢業論文（設計）將其翻譯成各國語言。（10） 高性能的工具對于庫來講，它的有效性遠超過應用性。為了提高 Qt 庫的有效性、快捷性，對其進行了優化，Qt 能執行一些基本的任務，比如圖形的潤色，比一般的基于平臺的代碼要快。Qt 是基于 Xlib，而不依賴 Motif 工具包。（11） 優越的繪畫功能Qt 的繪畫工具 Qpaint

26、er 類，在任意一個繪畫設備上都可以潤色圖形。繪圖設備包括組件、像素映射、圖形文件和打印機，相同的代碼可以用在 4 種不同類型的設備上。Qpainter 類支持復雜的同等系統的轉換，很容易在所有平臺上畫旋轉文本和像素映像。（12） 繪制 2D/3D 圖形功能Qt 提供了 QGLWidget 類，使用該類能夠繪制 2D/3D 圖形。用就像用一個 Qt 組件一樣方便。這比純粹的 OpenGL 做的 3D 圖形更好使用。3.2 QT 平臺的搭建3.2.1構建 QT 應用程序的流程1,選擇新建工程圖3-1選擇新建工程2 選擇 Qt4 Gui Application 工程。(帶 UI 界面編輯的工程)1

27、9圖3-2選擇Qt4 Gui Applicati工on程3 取工程名例如： C_S_Socket。路徑隨意,不要有任何中文 Next圖 3-3取工程名4 默認即可，Next（這是為此次工程選擇要添加的頭文件。我們不需要其他的功能。默認）圖 3-4 操作步驟5 Base class 選擇 QDialog。Class name 改 MainDlg。 Next（我們是基于 Qt 界面編程的嘛。所以就選 QDialog Qt 窗口類噻）圖 3-5 基本信息填寫6 Finish 完成(這里是編輯器告訴我們生成了如下文件)圖3-6 完成操作界面3.2.2編譯 QT 應用程序的方法第一步，將應用程序和 Qt

28、 庫拷貝到同一目錄。（Windows 下庫的搜索先從當前目錄開始，然后是在系統 PATH 環境變量指定的路徑查找。）第二步，檢查應用程序還依賴哪些dll，如編譯器帶的dll 或其他系統 dll。 參見應用程序的依賴關系一節。第三步，驗證程序可以在目標系統上正確運行， 將目前包里的文件拷貝到目標系統上，嘗試運行程序。第四步，發布插件程序。 插件和普通的動態庫的發布不同， 不能簡單的將之拷貝到應用目錄里。應用程序在運行時會在其對應的 plugins 目錄下去查找插件。 針對這個例子，發布包應該類似表 3-這樣的結構：表 3-1 發布包結構模 塊 執行檔Basic Tool 插件ExtraFilte

29、rs 插件文件名plugandpaint.exeplugins/pnp_basictools.dllplugins/pnp_extrafilters.dllQt Core模塊plugandpaint.exe除了程序和 Qt 庫，還有下面的編譯器庫：C 運行庫C+運行庫VC+ 6.0msvcrt.dll msvcp60.dll表 3-2 編譯器庫VC+ 7.1 (2003)msvcr71.dll msvcp71.dllVC+ 8.0 (2005)msvcr80.dll msvcp80.dll插件的位置除了 Qt 默認的路徑還可以通過代碼里調用 Qt 的 API 來指定，相應的 API 是 QAp

30、plication:addLibraryPath()或 QApplication:addLibraryPaths(). 如：qApp->addLibraryPath(”c:/some/path”);上述代碼的推薦調用位置是在 main 函數中，QApplication 構造完畢之后。應用程序會在搜索默認路徑之后去搜索你指定的庫路徑14。3.3 開發 QT 程序的基本流程1 點擊 maindlg.ui 進入主界面窗體設計成如下圖 3-7 所示圖3-7主窗體設計2 設置各個控件的對象名(不能同名，系統用對象名找到控件。命名規范方便自己識別)服務器單選框：radioButton_Server客

31、戶端單選框：radioButton_ClientIP 地址框：lineEdit_Address 用戶名框：lineEdit_Name離開按鈕：wayButton 進入按鈕：enterButton圖3-8設置控件對象名3 創建一個窗體類，用于發送接收信息的窗體圖3-9 創建窗體類修改類名 例如：chat，下一步完成3.4 本章小結圖 3-10修改類名本章主要介紹 QT 平臺上，人臉檢測界面的開發需要用到的相關技術知識和操作流程方法等內容。4 人臉檢測的實現4.1 通過 Cmake 編譯 opencv1、通過 Cmake 編譯 opencv 下載所需工具QT5.4.0Qt creator 3.3.

32、0 Opencv2.4.5 Cmake2、安裝軟件3、將 C:QtQt5.4.0ToolsMinGWbin 加入系統的 Path 環境變量4. 打開 CMake，使用 CMake 編譯 OpenCV。配置源碼路徑與生成的目標路徑（1） 源碼路徑：要選擇 OpenCV 安裝目錄下含有如下文件的文件夾（2） 目標路徑：可以隨意設置圖 4-1 目標路徑位置5. 點擊 Configure 配置按鈕。選擇 MinGW makefiles，點擊 Finish 按鈕，開始編譯6. CMake 編譯結束界面如下圖 4-2 所示，勾選生成列表中的 WITH_OPENGL 和 WITH_QT兩項圖 4-2 CMa

33、ke 編譯結束界面7. 再次點擊 Configure 按鈕，紅色消失圖 4-3 編譯Opencv 操作界面8. 打開 cmd，進入剛才設置的目標路徑（C：OpenCV）,輸入 mingw32-make 命令開始編譯圖 4-4 命令行截圖 19. 執行 mingw32-make install圖 4-5 命令行截圖 24.2 配置 Qt Creator 的 opencv 開發環境1. 拷貝下面三個文件夾放在同一個文件夾下（1） OpenCV-2.4.5 安裝目錄下的 build/include 目錄圖 4-6 安裝目錄截圖（2） CMake 目標路徑下，MinGW 編譯后的 bin 目錄（3）

34、CMake 目標路徑下，MinGW 編譯后的 lib 目錄2. 拷貝三個目錄到同一目錄后的結構如下圖（我刪除了原來的CMake 目標目錄中的其他目錄，拷貝進來了 include 目錄）圖 4-7opencv 目錄截圖3. 將 bin 目錄添加到系統環境變量，至此 Qt Creator 下的 OpenCV 開發環境已經配置好4.3 人臉檢測的實驗過程打開QT creator, 點擊編輯進入界面中程序編輯部分首先在F 文件中加入 OpenCV 的庫文件程序，如下圖：圖 4-8 Pro 文件截圖繼續編寫源文件里的main.cpp：圖 4-9 main 文件截圖程序編寫

35、完成后，點擊界面文件，完成界面設計后，點擊構建項目，界面內攝像頭打開,標示出攝像頭內的人臉，點擊截圖即可。圖 4-10 室內單人照實驗結果及分析由于圖 4-10 是室內單人照片，能夠成功檢測出人臉。下面再分別進行室內多人，室外多人照的檢測。下面是室內多人照：圖 4-11 室內多人照室外多人照：圖 4-12 室外多人照從以上圖片可以看出，室內和室外，對于人臉檢測是有誤差的。照片中人的數量也影響著檢測的質量，人數越多，人臉檢測的準確度越低。由于本實驗只是在我電腦里進行的合肥師范學院 20*屆本科生畢業論文（設計）實驗仿真，因此若想具有普遍性，仍需做大量圖片搜集以及多臺不同設配電腦下同時做實驗。4.

36、4 本文小結本章詳細介紹了 QT 平臺下人臉檢測系統的實現過程。25總結與展望本文主要介紹了人臉檢測技術，對其進行分類， 詳細介紹了其中的關鍵技術和研究成果。然后綜述了人臉檢測技術國內外研究的現狀、以及發展趨勢，分析了存在的問題， 提出了一些研究思路和技術方案，并設計出了基于 QT 平臺的人臉檢測系統的原型。最終利用攝像頭連續獲取圖像，通過框圖劃分出人臉。人類對人臉檢測的研究已經有 40 多年的時間，并取得了相當的成就，但距離實際可用行還有一定的距離，存在的問題也不少。從目前的研究成果來看，成功的人臉識別至少需要考慮以下幾個方面：（1） 人臉是具有一定可變形部分的三維固體的表面，目前仍存在爭議

37、的是在選用人臉模型時，是用二維表面還是三維模型基哪一個更好點。（2） 由于外部干擾不可避免，預處理的效果將會影響到識別結果，好的人臉模型應能夠在識別的同時，抑制分離外在干擾的影響。（3） 對于表達人臉的各種特征需要進行比較和選擇，以找出人臉最活躍的特征。這可以通過如下兩種途徑：一是比較同一個人的多張圖片，以得到穩定的特征；另一種方法就是比較不同人的圖片，以得出該人最“與眾不同”之處。當然由于時間關系，本次設計還有不足之處。比如僅僅靠軟件實現圖像的采集速度比較慢，導致實時性不高；并且由于光照強弱問題，導致在采集的圖像上檢測人臉仍然有一定誤差，可能會出現檢測的并不是人臉。或者由于人臉上佩戴眼鏡等物

38、品而導致不能識別， 這些都是需要改進的地方。參考文獻1 薛華成管理信息系統M，北京：清華大學出版社，19962 劉超，唐彬C+ Builder 案例開發集錦M，北京：電子工業出版社，19983 蔣宗禮，馬濤，唐好魁，閆明霞等數據庫技術及應用（第 2 版）M電子工業出版社，2010：43654 庭寶等精通 C+ BuilderM，北京：電子工業出版社，19975 艾倫(Grant Allen),歐文斯(Mike Owens),楊謙,劉義宣. SQLite 權威指南(第 2 版)M, 電子工業出版社,2012(01):25-65.6 李盛恩，王珊數據庫基礎與應用（第二版）M北京：人民郵電出版社，

39、2009： 14787 曹巖，王海宇C+ Builder 應用程序開發實例應用于技巧（上基礎篇）/21 世紀工程應用計算機技術叢書M，西安：西安交通大學出版社，19998 薩默菲爾德(Mark Summerfield),吳迪,戚彬,高波. Qt 高級編程M,電子工業出版社,2011(04):60-82.9 夏昕, 曹曉鋼 , 唐勇. 深入淺出 HibernateM.電子工業出版社, 2005-6.10 史濟民軟件工程原理、方法與應用M，北京：高等教育出版社，200211 鄧麗，孫鳳棟數據庫原理與應用M，沈陽：東北大學出版社，20073.12 王珊,薩師煊.數據庫系統概論M.高等教育出版社,20

40、06.5:198-235.13 曹巖，王海宇C+ Builder 應用程序開發實例應用于技巧（下應用與提高篇）/21 世紀工程應用計算機技術叢書M，西安：西安交通大學出版社，199914 鄧麗，孫鳳棟數據庫原理與應用M，沈陽：東北大學出版社，20073.15 Abraham SilberschatzDATABASE SYSTEM CONCEPTS(Fourth Edition)M，北京： 高等教育出版社，200216 施菊，張慶，趙冰 QT 開發平臺的搭建與應用J制導與引信，2012 年 02 期附錄 人臉檢測源程序頭文件QT+= coreQT-= guiTARGET=FaceDetectio

41、nCONFIG+= consoleCONFIG-= app_bundleTEMPLATE = appSOURCES += main.cppINCLUDEPATH += e:QT_OpenCV245includee:QT_OpenCV245includeopencv e:QT_OpenCV245includeopencv2LIBS += e:QT_OpenCV245liblibopencv_calib3d245.dll.a e:QT_OpenCV245liblibopencv_contrib245.dll.a e:QT_OpenCV245liblibopencv_features2d245.dl

42、l.a e:QT_OpenCV245liblibopencv_flann245.dll.a e:QT_OpenCV245liblibopencv_gpu245.dll.a e:QT_OpenCV245liblibopencv_highgui245.dll.a e:QT_OpenCV245liblibopencv_imgproc245.dll.a e:QT_OpenCV245liblibopencv_legacy245.dll.a e:QT_OpenCV245liblibopencv_ml245.dll.a e:QT_OpenCV245liblibopencv_objdetect245.dll.a#LIBS += Le:opencvlib #INCLUDEPATH+=e:QT_OpenCV245include#e:QT_OpenCV245includeopencv#e:QT_OpenCV245includeopencv2#LIBS