【正文】 1. 序言 . 人臉識(shí)別的背景介紹 近幾年來(lái)，已開(kāi)發(fā)應(yīng)用了聲音識(shí)別、簽字識(shí)別、指紋識(shí)別、掌形識(shí)別、眼虹膜識(shí)別等人體生物特征識(shí)別技術(shù)，與上述識(shí)別技術(shù)相比較，而最近開(kāi)發(fā)的人臉識(shí)別技術(shù)則具有簡(jiǎn)便、準(zhǔn)確、經(jīng)濟(jì)及可擴(kuò)展性良好 等眾多優(yōu)勢(shì)，因此可廣泛應(yīng)用于出入口控制、安全驗(yàn)證、安防監(jiān)控與搜尋罪犯等有關(guān)方面。人體生物特征識(shí)別技術(shù)是依靠人體的生物特征來(lái)進(jìn)行人的身份驗(yàn)證的一種高科技識(shí)別技術(shù)。而人臉識(shí)別技術(shù)具有比其他生物特征識(shí)別技術(shù)更直觀、簡(jiǎn)便、準(zhǔn)確、可靠及可擴(kuò)展性良好等眾多優(yōu)勢(shì)，因而應(yīng)用廣泛。隨著安全入口控制和金融貿(mào)易方面應(yīng)用需要的快速增長(zhǎng)，生物統(tǒng)計(jì)識(shí)別技術(shù)得到了新的重視。目前，微電子和視覺(jué)系統(tǒng)方面取得的新進(jìn)展，使該領(lǐng)域中高性能自動(dòng)識(shí)別技術(shù)的實(shí)現(xiàn)代價(jià)降低到了可以接受的程度。而人臉識(shí)別是所有的生物識(shí)別方法中應(yīng)用最廣泛的技術(shù)之一 [1]，人臉 識(shí)別技術(shù)是一項(xiàng)近年來(lái)興起的，但不大為人所知的新技術(shù)。人們更多的是在電影中看到這種技術(shù)的神奇應(yīng)用：警察將偷拍到的嫌疑犯的臉部照片，輸入到電腦中，與警方數(shù)據(jù)庫(kù)中的資料進(jìn)行比對(duì)，并找出該嫌犯的詳細(xì)資料和犯罪記錄。這并非虛構(gòu)的情節(jié)。在國(guó)外，人臉識(shí)別技術(shù)早已被大量使用在國(guó)家重要部門(mén)以及軍警等安防部門(mén)。在國(guó)內(nèi)，對(duì)于人臉識(shí)別技術(shù)的研究始于上世紀(jì) 90 年代，目前主要應(yīng)用在公安、金融、網(wǎng)絡(luò)安全、物業(yè)管理以及考勤等領(lǐng)域。 . 人臉識(shí)別國(guó)內(nèi)外發(fā)展?fàn)顩r 人臉識(shí)別技術(shù)從應(yīng)用層面上主要可分為：人臉檢測(cè)、人臉識(shí)別查詢、人臉識(shí)別身份認(rèn)證，目前 ，我國(guó)從事人臉識(shí)別技術(shù)研究的單位有很多，使得生物特征識(shí)別技術(shù)形成縮小了與國(guó)外的差距 [2]。 2021 年，以清華大學(xué)和中科院自動(dòng)化研究所為代表的北京奧運(yùn)會(huì)實(shí)名制票證系統(tǒng)的實(shí)施將生物特征識(shí)別技術(shù)又推到了一個(gè)新的水平，為我國(guó)生物識(shí)別技術(shù)在安防領(lǐng)域的應(yīng)用打下了堅(jiān)實(shí)的基礎(chǔ)。 人臉識(shí)別檢測(cè)研究，主要包括人臉檢測(cè)技術(shù)和人臉識(shí)別技術(shù)的研究 [3]。人臉識(shí)別檢測(cè)是指對(duì)于任意一幅給定的圖像，采用一定的策略對(duì)其進(jìn)行搜索以確定其中是否含有人西北大學(xué)本科畢業(yè)論文 臉，如果是，則返回人臉的位置、大小和姿態(tài)，接著對(duì)人臉進(jìn)行識(shí)別。它是一個(gè)復(fù)雜的具有挑戰(zhàn)性的模式檢測(cè) 問(wèn)題。同時(shí)，人臉檢測(cè)要走向?qū)嶋H應(yīng)用，精度和速度是亟需解決的兩個(gè)關(guān)健問(wèn)題 [4]，自 20 世紀(jì) 90 年代以來(lái)，人臉檢測(cè)的精度得到了大幅度的提高，但是速度卻一直達(dá)不到應(yīng)用系統(tǒng)用戶滿意的程度，為此研究者們付出艱辛的努力，直到 21世紀(jì) Viola 基于 AdaBoost 算法的人臉檢測(cè)器的發(fā)表 [8]，人臉檢測(cè)的速度才得到了實(shí)質(zhì)性的提高，該算法的發(fā)表也促進(jìn)了人臉檢測(cè)研究的進(jìn)一步蓬勃發(fā)展。按照人臉識(shí)別的自動(dòng)化程度，人臉識(shí)別的發(fā)展經(jīng)歷了以下三個(gè)階段： 第一階段是機(jī)械式識(shí)別階段：早期的人臉識(shí)別，是在已經(jīng)得到一個(gè)正面人臉圖像的基礎(chǔ)上進(jìn)行的 ，以 Bertillon、 Allen、 Parke 為代表，主要研究人臉識(shí)別所需要的面部特征 [10]。在 Bertillon 的系統(tǒng)中，用一個(gè)簡(jiǎn)單的語(yǔ)句與數(shù)據(jù)庫(kù)中的某一張臉相聯(lián)系，同時(shí)與指紋分析相結(jié)合，提供了一個(gè)較強(qiáng)的識(shí)別系統(tǒng)。為了提高臉部識(shí)別率， Allen 為待識(shí)別臉設(shè)計(jì)了一種有效且逼真的摹寫(xiě)。 Parke 則用計(jì)算機(jī)實(shí)現(xiàn)了這一想法，并產(chǎn)生了較高質(zhì)量的人臉灰度圖模型。但是，這一階段的人臉識(shí)別過(guò)程全部依賴于操作人員，沒(méi)有實(shí)現(xiàn)系統(tǒng)的自動(dòng)識(shí)別功能。 第二階段是人機(jī)交互式識(shí)別階段：這一階段所采用的主要技術(shù)方案是基于人臉幾何結(jié)構(gòu) 特征（ Geometric feature based）的研究方法，此方法的思想是首先檢測(cè)出眼、鼻、嘴等臉部主要部件的位置和大小，然后利用這些部件的總體幾何分布關(guān)系以及相互之間的參數(shù)比例來(lái)識(shí)別人臉，忽略了局部細(xì)微特征，更適合于粗分類。代表性工作有Goldstion、 Harmon 和 Lesk 等人用幾何特征參數(shù)來(lái)表示人臉正面圖像。他們采用 21 維特征矢量表示人臉面部特征，并設(shè)計(jì)了基于這一特征表示法的識(shí)別系統(tǒng)。 Kaya 和Kobayashi 則采用了統(tǒng)計(jì)識(shí)別的方法 [11]，用歐氏距離來(lái)表示人臉特征如嘴唇與鼻子之間的距離，嘴 唇的高度等。更進(jìn)一步地， T． Kanad 設(shè)計(jì)了一個(gè)高速且有一定知識(shí)導(dǎo)引的半自動(dòng)回溯識(shí)別系統(tǒng)，創(chuàng)造性地運(yùn)用積分投影法從單幅圖像上計(jì)算出一組臉部特征參數(shù)，再利用模式分類技術(shù)與標(biāo)準(zhǔn)人臉相匹配。 Kanad 的系統(tǒng)實(shí)現(xiàn)了快速、實(shí)時(shí)的處理，促進(jìn)了人臉識(shí)別系統(tǒng)走向?qū)嶋H應(yīng)用領(lǐng)域。不足的是，此類方法仍需要利用操作員的某些先驗(yàn)知識(shí)，仍然擺脫不了人的干預(yù)。 第三階段是真正的機(jī)器自動(dòng)識(shí)別階段： 20 世紀(jì) 90 年代以來(lái)，人臉識(shí)別技術(shù)發(fā)展非常迅速，所提出的算法在較理想圖像采集條件、用戶配合、中小規(guī)模正面人臉數(shù)據(jù)庫(kù)上達(dá)到了非常好的性能，也因此 出現(xiàn)了若干知名的人臉識(shí)別商業(yè)公司，人臉識(shí)別的商業(yè)系基于 OpenCV 的 視頻人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 7 統(tǒng)得到了進(jìn)一步發(fā)展。從技術(shù)角度上看， 2D 人臉圖像線性子空間判別分析、統(tǒng)計(jì)表觀模型、統(tǒng)計(jì)模式識(shí)別方法是這一階段內(nèi)的主流技術(shù)。但是，主流的人臉識(shí)別技術(shù)在非約束環(huán)境下 (多姿態(tài)、遮擋等多種變化因素 )，識(shí)別率下降非?？欤荒軡M足實(shí)際應(yīng)用?？傮w而言，目前建立一個(gè)魯棒的人臉識(shí)別系統(tǒng)仍然是一個(gè)很困難的問(wèn)題。非理想成像條件下（尤其是光照和姿態(tài)）、用戶不配合、大規(guī)模人臉數(shù)據(jù)庫(kù)上的人臉識(shí)別問(wèn)題逐漸成為研究的熱點(diǎn)問(wèn)題。 . 人臉識(shí)別研究的意義 人臉識(shí)別是機(jī)器視覺(jué)和模式識(shí)別領(lǐng)域最富有 挑戰(zhàn)性的課題之一，同時(shí)也具有較為廣泛的應(yīng)用意義。人臉識(shí)別技術(shù)是一個(gè)非?；钴S的研究領(lǐng)域，它覆蓋了數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)、神經(jīng)網(wǎng)絡(luò)、心理學(xué)、生理學(xué)、數(shù)學(xué)等諸多學(xué)科的內(nèi)容。如今，雖然在這方面的研究已取得了一些可喜的成果，但是 FRT 在實(shí)際應(yīng)用中仍面臨著很?chē)?yán)峻的問(wèn)題 ,因?yàn)槿四樜骞俚姆植际欠浅Ｏ嗨频模胰四槺旧碛质且粋€(gè)柔性物體，表情、姿態(tài)或發(fā)型、化妝的千變?nèi)f化都給正確識(shí)別帶來(lái)了相當(dāng)大的麻煩。如何能正確識(shí)別大量的人臉并滿足實(shí)時(shí)性要求是迫切需要解決的問(wèn)題。 . 人臉識(shí)別的技術(shù)應(yīng)用 隨著技術(shù)的進(jìn)一步成熟和社會(huì)認(rèn)同度 的提高，人臉識(shí)別技術(shù)將應(yīng)用在更多的領(lǐng)域。 。這或許是未來(lái)規(guī)模最大的應(yīng)用，國(guó)際民航組織 (ICAO)已確定，從 2021 年起，其 118 個(gè)成員國(guó)家和地區(qū)，必須使用機(jī)讀護(hù)照，人臉識(shí)別技術(shù)是首推識(shí)別模式 [6]，該規(guī)定已經(jīng)成為國(guó)際標(biāo)準(zhǔn)。中國(guó)的電子護(hù)照計(jì)劃公安部一所正在加緊規(guī)劃和實(shí)施。 、司法和刑偵。如利用人臉識(shí)別系統(tǒng)和網(wǎng)絡(luò)，在全國(guó)范圍內(nèi)搜捕逃犯。 。如銀行的自動(dòng)提款機(jī)，如果用戶卡片和密碼被盜，就會(huì)被他人冒取現(xiàn)金。如果同時(shí)應(yīng)用人臉識(shí)別就會(huì)避免這種情況的發(fā)生。 。如計(jì)算機(jī)登 錄、電子政務(wù)和電子商務(wù)。在電子商務(wù)中交易全部在網(wǎng)上完成，電子政務(wù)中的很多審批流程也都搬到了網(wǎng)上。而當(dāng)前，交易或者審批的授權(quán)都是靠密碼來(lái)實(shí)現(xiàn)，如果密碼被盜，就無(wú)法保證安全。但是使用生物特征，就可以做到當(dāng)事人在網(wǎng)上的數(shù)字身份和真實(shí)身份統(tǒng)一，從而大大增加電子商務(wù)和電子政務(wù)系統(tǒng)的可靠性西北大學(xué)本科畢業(yè)論文 [7]。 新增加的技術(shù)簡(jiǎn)而言之，首先是人臉檢測(cè)并提取出特征表達(dá)，隨后再據(jù)此進(jìn)行數(shù)據(jù)庫(kù)對(duì)比，最后按照相似度排序返回結(jié)果。其實(shí)，人臉檢測(cè)并不是新技術(shù)，相關(guān)研究已有三十年歷史，然而直到去年底，百度才決定推動(dòng)這一技術(shù)付諸實(shí)施。全球 60 億人口，人臉相關(guān)技術(shù)應(yīng)用前景不可限量！ . 主要章節(jié)內(nèi)容和章節(jié)結(jié)構(gòu) 全文共分為五章，其具體內(nèi)容如下： 第一章：序言。主要介紹人臉識(shí)別的背景、國(guó)內(nèi)外發(fā)展?fàn)顩r、研究的意義和應(yīng)用前景。 第二章：概述人臉識(shí)別的技術(shù)框架和功能模塊。 第三章：概述了人臉識(shí)別相關(guān)算法，介紹了本文基于 OpenCV 的視頻人臉識(shí)別算法的設(shè)計(jì)。 第四章：概述了人臉檢測(cè)相關(guān)算法，介紹了本文基于 AdaBoost 算法的人臉 檢測(cè) 算法。 第五章：人臉識(shí)別系統(tǒng)原型的設(shè)計(jì)實(shí)現(xiàn)。介紹了本文設(shè)計(jì)的基于 OpenCV 的人臉識(shí)別原型系統(tǒng)的實(shí)現(xiàn) . 本章小結(jié) 本章概括性的介紹了人臉表情 識(shí)別的背景、發(fā)展現(xiàn)狀、應(yīng)用需求。人臉識(shí)別在身份認(rèn)證、信息安全、媒體娛樂(lè)、圖像搜索方面的重要應(yīng)用。人臉檢測(cè)是人臉信息處理領(lǐng)域中的一個(gè)重要課題，具有很高的學(xué)術(shù)價(jià)值和應(yīng)用潛力；同時(shí)人臉檢測(cè)又是一個(gè)極具挑戰(zhàn)性的問(wèn)題。本文研究其中最具普遍性，也是最困難的復(fù)雜背景下靜止灰度圖像中的人臉檢測(cè)、以及在得到人臉區(qū)域后進(jìn)行識(shí)別的問(wèn)題。 2. 人臉識(shí)別系統(tǒng)的技術(shù)框架和功能模塊 . OpenCV 簡(jiǎn)介 OpenCV 的全稱是 (Open Source Computer Vision Library ),OpenCV 于 1999 年由Intel 建立， 如今由 Willow Garage 提供支持。 OpenCV 是一個(gè)基于（開(kāi)源）發(fā)行的跨平基于 OpenCV 的 視頻人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 9 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++ 類構(gòu)成，同時(shí)提供了 Python、 Ruby、 MATLAB 等語(yǔ)言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法 ,它不依賴于其它的外部庫(kù)，但可以使用某些外部庫(kù)。 OpenCV 為 Intel174。 Integrated Performance Primitives (IPP) 提供了透明接口。這意味著如果有為 特定處理器優(yōu)化的的 IPP 庫(kù)， OpenCV 將在運(yùn)行時(shí)自動(dòng)加載這些庫(kù)。 OpenCV 有幾個(gè)顯著的特點(diǎn)： 、開(kāi)源 、代碼優(yōu)化 ： windows Linux Mas OS 本次設(shè)計(jì)所用的開(kāi)發(fā)工具是 Microsoft Visual C++ 。 Visual C++ 是Microsoft 公司推出的一種可視化編程工具。它支持多平臺(tái)和交叉平臺(tái)的開(kāi)發(fā)，將各種編程工具如編輯器、連接器、調(diào)試器等巧妙的結(jié)合在一 起，構(gòu)成一個(gè)完美的可視化開(kāi)發(fā)環(huán)境。用戶無(wú)需通過(guò)繁雜的編程操作，即可完成 Windows 下應(yīng)用程序的編輯、編譯、測(cè)試和細(xì)化等工作。 . 人臉識(shí)別的功能模塊 ? 人臉捕獲與跟蹤功能： 人臉捕獲是指在一幅圖像或視頻流的一幀中檢測(cè)出人像并將人像從背景中分離出來(lái)，并自動(dòng)地將其保存。人像跟蹤是指利用人像捕獲技術(shù)，當(dāng)指定的人像在攝像頭拍攝的范圍內(nèi)移動(dòng)時(shí)自動(dòng)地對(duì)其進(jìn)行跟蹤。 ? 人臉識(shí)別比對(duì)功能： 人臉識(shí)別分核實(shí)式和搜索式二種比對(duì)模式。核實(shí)式是對(duì)指將捕獲得到的人像或是指定的人像與數(shù)據(jù)庫(kù)中已登記的某一對(duì)像作比對(duì)核實(shí)確定其是否為同一人。搜索 式的比對(duì)是指，從數(shù)據(jù)庫(kù)中已登記的所有人像中搜索查找是否有指定的人像存在。 ? 人臉的建模與檢索： 西北大學(xué)本科畢業(yè)論文 可以將登記入庫(kù)的人像數(shù)據(jù)進(jìn)行建模提取人臉的特征，并將其生成人臉模板（人臉特征文件）保存到數(shù)據(jù)庫(kù)中 [9]。在進(jìn)行人臉?biāo)阉鲿r(shí)（搜索式），將指定的人像進(jìn)行建模，再將其與數(shù)據(jù)庫(kù)中的所有人的模板相比對(duì)識(shí)別，最終將根據(jù)所比對(duì)的相似值列出最相似的人員列表。 ? 真人鑒別功能： 系統(tǒng)可以識(shí)別得出攝像頭前的人是一個(gè)真正的人還是一幅照片。以此杜絕使用者用照片作假。此項(xiàng)技術(shù)需要使用者作臉部表情的配合動(dòng)作。 ? 圖像質(zhì)量檢測(cè)： 圖像質(zhì)量的好壞直接 影響到識(shí)別的效果，圖像質(zhì)量的檢測(cè)功能能對(duì)即將進(jìn)行比對(duì)的照片進(jìn)行圖像質(zhì)量評(píng)估，并給出相應(yīng)的建議值來(lái)輔助識(shí)別。 . 人臉識(shí)別的技術(shù)框架 本文的人臉識(shí)別系統(tǒng)的功能有人臉圖像采集、人臉圖像預(yù)處理、人臉圖像訓(xùn)練、人臉圖像識(shí)別、增加人臉圖像、刪除人臉圖像和修改人臉圖像信心等。按照人臉識(shí)別的功能，本文的人臉識(shí)別系統(tǒng)框架可以用圖 來(lái)表示。 基于 OpenCV 的 視頻人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 11 圖 人臉識(shí)別系統(tǒng)框架 。使用攝像機(jī)對(duì)進(jìn)入重要場(chǎng)所的合法人員進(jìn)行人臉圖像的采集，采集 圖像時(shí)保持拍攝環(huán)境的一致性，同時(shí)拍攝的圖像要保持人臉信息的完成性。 。對(duì)采集到的人臉圖像進(jìn)行統(tǒng)一的處理，將其處理為大小統(tǒng)一，存儲(chǔ)格式一致的灰度圖像。 。對(duì)預(yù)處理的人臉圖像進(jìn)行人臉特征的提取，通過(guò)多次的人臉特征的選擇，最終用選中的人臉特征作為識(shí)別時(shí)的依據(jù)。 。識(shí)別階段的前期處理和訓(xùn)練階段是一樣的，也需要首先采集需要識(shí)別的人臉圖像，通過(guò)相同的預(yù)處理和人臉特征選擇方法，提取和選擇人臉的特征，然后將這些特征和數(shù)據(jù)庫(kù)中已經(jīng)存在的人臉特征進(jìn)行對(duì)比匹配，然后輸出確定該人員 是否是合法的人員。 、刪除、修改人臉圖像。即對(duì)數(shù)據(jù)庫(kù)中的人臉圖像進(jìn)行增加、刪除、和修改等操作。 人臉識(shí)別系統(tǒng)訓(xùn)練完成后，對(duì)人臉識(shí)別時(shí)的基本過(guò)程如圖 所示。 圖 人臉識(shí)別基本過(guò)程 人臉識(shí)別系統(tǒng)在對(duì)人臉圖像進(jìn)行識(shí)別之前必須首先對(duì)需要進(jìn)行識(shí)別的合法人員的人臉圖像進(jìn)行訓(xùn)練，訓(xùn)練后的系統(tǒng)才可以用來(lái)完成識(shí)別的功能。其中識(shí)別時(shí)訓(xùn)練過(guò)的人員的人臉圖像是系統(tǒng)默認(rèn)合法的人員，因此可以以此來(lái)限制進(jìn)入重要場(chǎng)所的人員。在實(shí)際的應(yīng)用過(guò)程中，人臉識(shí)別系統(tǒng)的應(yīng)用框架如圖 所示。 登錄 身份驗(yàn)證 退出 采集人臉圖像 預(yù)處理人臉圖像 添加人臉圖像 修改人臉圖像 刪除人臉圖像 識(shí)別人臉圖像 訓(xùn)練人臉圖像 采集人 臉圖像 人臉圖像 匹配識(shí)別 人臉圖像 特征提取 人臉圖像 預(yù)處理 西北大學(xué)本科畢業(yè)論文