【正文】 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(xún)、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]。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。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。 關(guān)鍵詞 ：人臉檢測(cè)； OpenCV； 人臉識(shí)別； C++； 西北大學(xué)本科畢業(yè)論文 Abstract Based on the research of identity authentication method and system of biometric recognition has been a hot research field of puter graphics, pattern recognition and the stability and visibility, the face, the algorithm research and system applications of face recognition is the most widely, according to the laboratory and dormitory safety management needs of the campus, designed and implemented. A face recognition system based on OpenCV in surveillance video, development language is C++, the main content of this thesis includes: （ 1） Constructed the technical framework for video based face recognition based on OpenCV. According to the laboratory and the dormitory safety management needs, establishes a framework for video based face recognition based on OpenCV, which can plete realtime face recognition and identity based on video identification。針對(duì)實(shí)驗(yàn)室和宿舍安全管理需要，構(gòu)建了基于 OpenCV 的視頻人臉識(shí)別的技術(shù)框架，能夠完成基于視頻的實(shí)時(shí)人臉識(shí)別和身份認(rèn)定； （ 2）設(shè)計(jì)了基于 OpenCV 的視頻人臉快速檢測(cè)算法。人臉檢測(cè)是人臉識(shí)別的前提，本文采用基于 OpenCV 的快速人臉檢測(cè)算法 實(shí)現(xiàn)視頻圖像中人臉的快速定位和提??； （ 3）設(shè)計(jì)了基于 AdaBoost 算法 的視頻人臉識(shí)別方法 。 （ 2） Design of a fast face detection algorithm in video based on OpenCV. Face detection is the precondition of face recognition, this paper uses OpenCV fast face detection algorithm to locate face in video image and extraction based on。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。這并非虛構(gòu)的情節(jié)。 2022 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)。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。 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。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)。不足的是，此類(lèi)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)?？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。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。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 2022 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)。 。如計(jì)算機(jī)登錄、電子政務(wù)和電子商務(wù)。 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。 第二章：概述人臉識(shí)別的技術(shù)框架和功能模塊。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。 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(chēng)是 (Open Source Computer Vision Library ),OpenCV 于 1999 年由Intel 建立，如今由 Willow Garage 提供支持。 Integrated Performance Primitives (IPP) 提供了透明接口。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 。 ? 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。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。 ? 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。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)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)。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。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。其識(shí)別過(guò)程分為三步：首先建立人臉的面像檔案，其次獲取當(dāng)前的人體面像，最后用當(dāng)前 的面紋編碼與檔案庫(kù)存的比對(duì)。人臉識(shí)別的方法有很多。本文主要用基于神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行人臉識(shí)別，下一節(jié)將詳細(xì)介紹這一方法。它不像其他的方法那樣要用一套由人來(lái)確定的規(guī)則，同時(shí)也避免了復(fù)雜的特征提取工作，他能根據(jù)有代表性的樣本進(jìn)行學(xué)習(xí)。第一，為所有已知人臉建立一個(gè)神經(jīng)網(wǎng)絡(luò)：可對(duì)所有已知人臉進(jìn)行分類(lèi)和識(shí)別。同時(shí)，對(duì)每一對(duì)人的訓(xùn)練只需這一對(duì)人的特征，與其他人無(wú)關(guān)，固系統(tǒng)具有良好的模塊化結(jié)構(gòu)，可 擴(kuò)展性能好。在隱層數(shù)足夠多的情況下，由超平面所形成的線性區(qū)域?qū)o(wú)窮多，其第一隱層可以在模式空間實(shí)現(xiàn)各種超平面分割；第二隱層實(shí)現(xiàn)第一隱層的邏輯“與”運(yùn)算，即將其分割的模式超平面空間按類(lèi)別進(jìn)行空間劃分；而輸出層由第二隱層的輸出值進(jìn)行邏輯“或”運(yùn)算 ，即將進(jìn)行邏輯“與”運(yùn)算的屬于同一類(lèi)的超平面進(jìn)行歸類(lèi)。人臉圖像矢量的維數(shù) N 通常比較大，而訓(xùn)練樣本數(shù) K 通常比較小，所以設(shè)計(jì)用于人臉識(shí)別的 BP 神經(jīng)網(wǎng)絡(luò)分類(lèi)器比較困難。一般地，隱層的神經(jīng)元數(shù) H 大，網(wǎng)絡(luò)的冗余性大，增加了網(wǎng)絡(luò)一次訓(xùn)練的訓(xùn)練時(shí)間，盡管使網(wǎng)絡(luò)收斂的訓(xùn)練次數(shù)會(huì)減少，但會(huì)降低分類(lèi)器的推廣能力。一般認(rèn)為連接權(quán)值初值可在區(qū)間 [，]內(nèi)隨機(jī)選取。本文主要用基于神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法進(jìn)行人臉識(shí)別。是自動(dòng)人臉識(shí)別系統(tǒng)的一個(gè)關(guān)鍵環(huán)節(jié)。并依據(jù)這些信息，進(jìn)一步提取每個(gè)人臉中所蘊(yùn)涵的身份特征，并將其與已知的人臉進(jìn)行對(duì)比，從而識(shí)別每個(gè)人臉的身份。三是主成份分析法，該方法隨著樣本的增加需要不斷的舍棄一些 PC 以維持子空間維數(shù)不變，因而該方法精度稍差。 AdaBoost 算法中不同的訓(xùn)練集是通過(guò)調(diào)整每個(gè)樣本對(duì)應(yīng)的權(quán)重來(lái)實(shí)現(xiàn)的。 每個(gè) Haar 特征對(duì)應(yīng)看一個(gè)弱分類(lèi)器，但并不是任何一個(gè) Haar 特征都能較好的描述人臉灰度分布的某一特點(diǎn)，如何從大量的 Haar 特征中挑選出最優(yōu)的 Haar 特征并制作成分類(lèi)器用于人臉檢測(cè)，這是 AdaBoost 算法訓(xùn)練過(guò)程所要解決的關(guān)鍵問(wèn)題。 (3)以弱分類(lèi)器集為輸入， 在訓(xùn)練檢出率和 誤判率限制下， 使用 AdaBoost 算法，挑選最優(yōu)的弱分類(lèi)器構(gòu)成強(qiáng)分類(lèi)器 。 haar 特征 確定閥值，由矩形特征生成對(duì)應(yīng)的弱分類(lèi)器 矩形特征原型 非人臉樣本集 強(qiáng)分類(lèi)器集 非人臉圖片集 計(jì)算樣本積分圖 補(bǔ)充非人臉樣本 若分類(lèi)器集 挑選最優(yōu)弱分類(lèi)器 ， 調(diào) 用AdaBoost 算法訓(xùn)練強(qiáng)分類(lèi)器 特 征集 人臉樣本集 計(jì)算矩形特征值 訓(xùn) 練 部 分 補(bǔ)充部分 西北大學(xué)本科畢業(yè)論文 圖 常用的四中 haar 特征 常用的 Haar 特征有 4 種，如圖 所示。利用上述 Haar 特征的位置信息，對(duì)訓(xùn)練樣本進(jìn)行統(tǒng)計(jì)就可以得到對(duì)應(yīng)的特征參數(shù)。 . 本章小結(jié) 本章主要講了人臉識(shí)別常見(jiàn)算法以及人臉識(shí)別算法的原理，有二維人臉識(shí)別算法和三維人臉識(shí)別算法。該模塊主要是從攝像頭捕捉到的或者用戶設(shè)定的路徑獲取圖片，隨后能夠在用戶的軟件的界面當(dāng)中顯示出來(lái)。該模塊主要是從獲得的圖像中檢測(cè)發(fā)現(xiàn)是否有人臉的存在并將人臉區(qū)域用綠色圓圈圈出來(lái)。 （ 5）特征提取模塊。 （ 6）識(shí)別模塊。 . 模塊實(shí)現(xiàn) . 系統(tǒng)運(yùn)行流程圖： 圖 系統(tǒng)運(yùn)行流程圖 . 系統(tǒng)的功能界面 （ 1）系統(tǒng)的主界面。第三個(gè)按鈕和第四個(gè)按鈕的功能分別是進(jìn)行日志管理和退出系統(tǒng)。具體功能界面如下 所 示。特征提取與人臉識(shí)別 在特征標(biāo)注完成后進(jìn)行的，而 且是自動(dòng)的無(wú)需手動(dòng)。最后就可以進(jìn)行邊緣提取和特征標(biāo)注了。此樣本庫(kù)中，各樣本尺寸相同，只將正面、正向、無(wú)遮擋的人臉圖片歸入人臉圖片訓(xùn)練集。為了提高訓(xùn)練速度只能減少特征數(shù)量，可以在特征生成階段，人為地提出剔除，或者在訓(xùn)練階段動(dòng)態(tài)的減少?；?OpenCV 的視頻人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 23 總結(jié)與展望 本文討論了人臉檢測(cè)的研究背景、研究意義、發(fā)展前景。但是該技術(shù)仍然不夠成熟，在思想和算法上面還需要不斷的改進(jìn)，以提高識(shí)別的準(zhǔn)確率。張佑生 。s digitized society, will also be attached on the report.Myopia is not only a disease that makes people see things blurrily, but also leads to severeplications, such as glaua (increased pressure within the eyeball), and can causeblindness, said Zhou Yuehua, an established eye care specialist with Beijing TongrenHospital.It is very important for parents and children to know about the risk and care for their eyes.There are about 450 million myopia patients in China. Among Chinese myopia patients,30million are severe patients, according to ZhouThe prevalence of myopia among high school and college students is more than 70 percent,and the situation is continuously worsening, he Zhu, director with the China Youth Development Service Center, said long hours ofstudy, lack of exercise, especially outdoor activities, and attachment to electronic screen aresome of the top reasons behind the widespread myopia problems, and the increase ofyounger patients, although China h