【正文】 了 OpenCV 函數(shù)庫(kù)中的一些函數(shù)比如圖像函數(shù) Ipllmage，矩形坐標(biāo)函數(shù) evReet等，因此先概要對(duì) OpCV函數(shù)庫(kù)進(jìn)行介紹，再對(duì)其在本系統(tǒng)中的使用方法進(jìn)行介紹，因?yàn)楸鞠到y(tǒng)采用 C++Builder環(huán)境進(jìn)行編程實(shí)現(xiàn)，所以要能夠在 C++Builder中靈活使用 OpenCV函數(shù)庫(kù)。相當(dāng)于將一組一維 HMM模型嵌入另外一組 HMM模型中，因?yàn)檫@種結(jié)構(gòu)并不是真正的二維 HMM模型，因此取名為二 維 HMM模型。這種做法避免了高維統(tǒng)計(jì)量計(jì)算中的組合爆炸問(wèn)題，同時(shí)，還考慮了高維相關(guān)性。Swets和 Wen9138】提出 PCA的基礎(chǔ)上使用 LDA(Lillear Discriminant Analysis，線性鑒別矢量 )，也稱 Fisher 臉?lè)椒ā?39】。 Wurtz【 34】研究了多分辨的情況，他假定在兩幅人臉圖中只有一部分節(jié)點(diǎn)有較好的對(duì)應(yīng)，一些節(jié)點(diǎn)根本沒(méi)有對(duì)應(yīng)節(jié)點(diǎn)， 它們將干擾識(shí)別。本文研究的人臉識(shí)別也是基于靜止圖像的。人臉識(shí)別技術(shù)作為模式識(shí)別領(lǐng)域的一個(gè)研究熱點(diǎn)，每年都有許多相應(yīng)的研究成果發(fā)表，并且涌現(xiàn)出各種各樣的識(shí)別方法，可以說(shuō)信息處理領(lǐng)域的各種新方法的研究和算法的改進(jìn)都在人臉識(shí)別中得到應(yīng)用。 在加入某個(gè)新的弱分類器的某次迭代中，如果一個(gè)訓(xùn)練樣本已經(jīng)被正確分類，其權(quán)值就被下調(diào)，否則，其權(quán)值就要被調(diào)高，以便使下一輪的弱分類器專注于這些被錯(cuò)誤分類的樣本。長(zhǎng)期以來(lái)， SVM訓(xùn)練需要求解計(jì)算復(fù)雜度極高的二次規(guī)劃問(wèn)題，從而限制了該方法的應(yīng)用。 神經(jīng)網(wǎng)絡(luò)方法能 夠適應(yīng)較為復(fù)雜的人臉檢測(cè)，準(zhǔn)確性也較高，所以使用神經(jīng) 網(wǎng)絡(luò)進(jìn)行人臉檢測(cè)的算法比較多。另一種概率模型是用于描述信號(hào)統(tǒng)計(jì)特性的隱馬爾可夫模型 (Hidden MarkovModels． HMM)，目前也被應(yīng)用于人臉檢測(cè)和識(shí)別。但其缺點(diǎn)也相當(dāng)明顯，就是檢測(cè)前必須根據(jù)待檢測(cè)物體的形狀來(lái)設(shè)計(jì)彈性模板的輪廓，否則會(huì)影響收斂 的結(jié)果。很難設(shè)計(jì)一種通用的模板方法來(lái)表征人臉的共性。 24j兩種。 膚色區(qū)域分割與人臉驗(yàn)證結(jié)合法 對(duì)于彩色圖像的人臉檢測(cè)，首先可以建立一個(gè)合適的膚色模型 20‘ 21】進(jìn)行膚色檢測(cè)。為了描述物體的點(diǎn)對(duì)稱性，有學(xué)者提出了廣義對(duì)稱變換方法，用檢測(cè)局部對(duì)稱性強(qiáng)的點(diǎn)來(lái)進(jìn)行人臉器官定位。而對(duì)于視頻序列中的人臉檢測(cè)，研究者們更側(cè)重于檢測(cè)速度的提高，以適應(yīng)實(shí)時(shí)的要求。 人臉檢測(cè)問(wèn)題包含的內(nèi)容十分廣泛，從不同的角度有不同的分類方法?？蛻舳擞袛z像機(jī)，負(fù)責(zé)對(duì)進(jìn)入攝像機(jī)視野范的目標(biāo)進(jìn)行人臉檢測(cè)，如果有人臉目標(biāo)出現(xiàn)則對(duì)其進(jìn)行實(shí)時(shí)跟蹤；在這個(gè)過(guò)程 第二章人臉檢測(cè)識(shí)別方法 人臉檢測(cè)問(wèn)題最初來(lái)源于人臉識(shí)別。人臉門禁系統(tǒng)是一種基于人臉識(shí)別技術(shù)的新型訪問(wèn)控制系統(tǒng)，將具有訪問(wèn)權(quán)限的訪問(wèn)者的人臉信息存放在人臉數(shù)據(jù)庫(kù)中，對(duì)人臉信息進(jìn)行學(xué)習(xí)訓(xùn)練。例如芝加哥大學(xué)開(kāi)發(fā)的用于在萬(wàn)維網(wǎng)上搜索圖像的影像搜索引擎 Webseer，就使用了基于神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)作為搜索引擎的一部分。 1． 3． 2應(yīng)用領(lǐng)域 視頻會(huì)議：視頻會(huì)議【 1o】是利用通信網(wǎng)以及電視實(shí)況方式召開(kāi)的會(huì)議。 計(jì)算機(jī)視覺(jué) 視覺(jué)是人類獲取信息的主要來(lái)源，也是適應(yīng)復(fù)雜環(huán)境的感知基礎(chǔ)。在人臉識(shí)別中， 如果是個(gè)體識(shí)別，則每個(gè)人是一個(gè)模式，預(yù)先存在數(shù)據(jù)庫(kù)里的圖像就是樣本；如果是性別識(shí)別、種族識(shí)別和年齡識(shí)別，則不同的性別、種族或年齡分別構(gòu)成一個(gè)模式：如果把圖像中的每個(gè)子圖都看作一個(gè)模式，則面部檢測(cè)也是一個(gè)模式識(shí)別的問(wèn)題，要求正確地把每個(gè)子圖模式歸入到人臉區(qū)域類或非人臉區(qū)域類。目標(biāo)跟蹤識(shí)別的實(shí)質(zhì)是通過(guò)對(duì)圖像傳感器拍攝到的視頻序列進(jìn)行分析，計(jì)算出目標(biāo)在每幀圖像中的位置、大小和運(yùn)動(dòng)速度并識(shí)別其身份。在國(guó)內(nèi)，已有許多高 等院校和研究機(jī)構(gòu)在智能視頻監(jiān)控領(lǐng)域投入了相當(dāng)?shù)难芯烤?，例如，上海交通大學(xué)、清華大學(xué)【 6。同時(shí)它也成為眾多國(guó)內(nèi)外學(xué)術(shù)會(huì)議和專題討論的主題：如 IEEE PAMI2021年 8月期上就有一個(gè)關(guān)于視覺(jué)監(jiān)控的專題； 2021年 10月 IEEE舉行了第 3代視覺(jué)監(jiān)控國(guó)際專題討論會(huì)；中國(guó)科學(xué)院自動(dòng)化所分別 在 2021 年與 2021 年主辦了全國(guó)智能視覺(jué)監(jiān)控學(xué)術(shù)會(huì)議。同時(shí)，序列圖像中運(yùn)動(dòng)場(chǎng)景的快速分割、人臉面部的非剛性運(yùn)動(dòng)、人臉自遮擋和目標(biāo)之間互遮擋的處理等也為人臉的跟蹤帶來(lái)了一定的挑戰(zhàn)，人臉的檢測(cè)與跟蹤技術(shù)涉及到模式識(shí)別、圖像處理、計(jì)算機(jī)視覺(jué)、人工智能等學(xué)科知識(shí)。由此可見(jiàn)視覺(jué)信息對(duì)人類的重要性，而人類獲取視覺(jué)信息的主要途徑來(lái)自于對(duì)圖像的處理。本文著重構(gòu)建一套人臉跟蹤識(shí)別系統(tǒng)，致力于精確實(shí)時(shí)地對(duì)彩色視頻中的人臉圖像檢測(cè)跟蹤，并可以將跟 蹤到的人臉圖片傳輸?shù)阶R(shí)別端進(jìn)行身份識(shí)別。服務(wù)器端首先將人臉圖像按其主要特征進(jìn)行分塊，再對(duì)分塊圖執(zhí)行Eigenface 算法實(shí)現(xiàn)人臉身份的識(shí)別。隨著信息技術(shù)的發(fā)展以及應(yīng)用需求的劇增，人臉檢 i9l!}【 l21(Face Detection)作為人臉信息處理中的一項(xiàng)關(guān)鍵技術(shù)，日益成為一個(gè)熱門的研究課題。所以，如果能找到上述問(wèn)題的解決方法，成功構(gòu)造出實(shí)時(shí)高效的人臉跟蹤與識(shí)別系統(tǒng)，將為解決其它類似的復(fù)雜模式的跟蹤與識(shí)別提 供重要的啟 示。 DARPA 在 2021 年又資助了重大項(xiàng)目 HID 計(jì)劃 (HumanIdentification ataDistance)，研究開(kāi)發(fā)多模式的監(jiān)控技術(shù)以 實(shí)現(xiàn)遠(yuǎn)距離情況下人的檢測(cè)、分類和識(shí)別，以增強(qiáng)國(guó)防、民用等場(chǎng)合的保護(hù)能力，使其免受恐怖襲擊。為了促進(jìn)國(guó)內(nèi)智能視頻監(jiān)控的發(fā)展，中國(guó)科學(xué)院自動(dòng)化研究所在 2021 年和 2021 年分別舉辦了第一屆和第二屆全國(guó)智能視覺(jué)監(jiān)控會(huì)議。因此，開(kāi)發(fā)出能夠從容應(yīng)對(duì)復(fù)雜環(huán)境的各種變化，精確、快速和穩(wěn)定地跟蹤識(shí)別運(yùn)動(dòng)目標(biāo)的算法仍然是當(dāng)前急需解決的課題。模糊模式識(shí)別：將模糊技術(shù)引入到模式識(shí)別中，對(duì)特征和分類結(jié)果模糊化， 4基于 OpenCV的人臉跟蹤識(shí)別系統(tǒng)研究使得識(shí)別過(guò)程更能反映事物的本質(zhì)。為此，計(jì)算機(jī)需要具有處理、分析和理解圖像的能力。另外，視頻會(huì)議系統(tǒng)在遠(yuǎn)程教學(xué)、遠(yuǎn)程醫(yī)療等領(lǐng)域中也有著廣泛的應(yīng)用。傳統(tǒng)的人機(jī)交互是通過(guò)計(jì)算機(jī)鼠標(biāo)和鍵盤進(jìn)行的。 家庭娛樂(lè)：家庭娛樂(lè)是指能夠識(shí)別主人身份的智能玩具，家政機(jī)器人，具 有真實(shí)面像的虛擬游戲玩家等。人臉識(shí)別的研究可以追溯到 20 世紀(jì) 60、 70 年代，經(jīng)過(guò)幾十年的發(fā)展已漸趨成熟，人臉檢測(cè)是人臉識(shí)別系統(tǒng)中的一個(gè)關(guān)鍵環(huán)節(jié)，但是早期的人臉識(shí)別研究主要針對(duì)簡(jiǎn)單背景和人臉位置相對(duì)固定的情況，因此人臉檢測(cè)問(wèn)題并未受到重視。根據(jù)圖像背景的復(fù)雜程度來(lái)分，可以分為簡(jiǎn)單背景下的人臉檢測(cè)和復(fù)雜背景下的人臉檢測(cè)。第二類是指基于整體的方法。 基于局部特征的人臉檢測(cè)方法 該方法注重檢測(cè)人臉的五官輪廓特征以及它們之間的位置關(guān)系。 在通常情況下，僅根據(jù)膚色像素的聚積特性就可完成區(qū)域的連通分割。下面分別介紹固定模板和可變模板。該方法首先制定 出模板參數(shù)并且定義一個(gè)能量函數(shù)，然后根據(jù)檢測(cè)區(qū)域的數(shù)據(jù)對(duì)參數(shù)進(jìn)行修改直至收斂，此時(shí)的能量函數(shù) 為最小化的能量函數(shù)，而此時(shí)的模板參數(shù)將被作為器官的幾何特征。 基于概率模型的人臉檢測(cè)方法 基于概率模型的方法是計(jì)算輸入圖像區(qū)域?qū)儆谌四樐Ｊ降暮篁?yàn)概率，根據(jù)此 概率對(duì)所有可能的圖像窗口進(jìn)行判別。 Nefian 等還提出了基于嵌入式 HMM 的人臉檢測(cè)算法，該方法 同時(shí)考慮到人臉由左到右各個(gè)特征的自然順序，使用了二維HMM并且采用二維 DCT變換的系數(shù)作為觀察向量。 SVM常用于回歸和分類問(wèn)題。下面對(duì)Adaboost 方法進(jìn)行論述。而針對(duì)人臉檢測(cè)這個(gè)具體的應(yīng)用問(wèn)題，Ⅵ ola等人提出了一個(gè)修改的 Adaboost 算法， Viola 的算法將弱分類器與弱特征 (大 量可選特征中的某一個(gè)特征 )等價(jià)起來(lái)，每個(gè)弱分類器僅通過(guò)一個(gè)特征實(shí)現(xiàn)分類，并通過(guò) Adaboost算法組合弱分類器，從而同時(shí)實(shí)現(xiàn)了弱特征的選擇與組合。靜態(tài)人臉識(shí)別，即人臉為穩(wěn)定的二維圖像，如照片。 基于幾何特征識(shí)別 彈性圖匹配 (EGM)方法可采用屬性拓?fù)鋱D來(lái)表達(dá)人臉，其拓?fù)鋱D的任一頂點(diǎn)均 包含一特征矢量，它記錄了人臉在該頂點(diǎn)位置的分布信息，最初的拓?fù)鋱D是矩形的，并沒(méi)有注重節(jié)點(diǎn)的位置。 基于代數(shù)特征識(shí)別 主分量分析 (Principal． ComponentAnalysis， PCA)是一種常用的方法。他們提出了一種基于概率的圖像相似度度量方法，將人臉圖像之間的差異分為兩類類間差異 (即不同人的人臉圖像之間的差異 )和類內(nèi)差異 (即同一個(gè)人的不同人臉圖像之間的差異 )。 HMM使用馬爾科夫鏈來(lái)模擬信號(hào)統(tǒng)計(jì)特性的變化，而這種變化又是間接地通過(guò)觀察序列來(lái)描述的，因此，隱馬爾科夫過(guò)程是一個(gè)雙重的隨機(jī)過(guò)程。 SRM使 vc(vapnik Cherovnenkis)維數(shù)的上限最小化。 1999年在俄羅斯設(shè)立的軟件開(kāi)發(fā)中心“ Software Development Center’’開(kāi)發(fā)。 要在 C++Builder中使用 OpenC