【正文】 heir physical condition, to decide the amount and type of exercise, and jogging in the open air is better running on a treadmill. Conrad Macao will run special programs for the entire month of October this year to support the Hong Kong Cancer Fund39。人臉檢測與識(shí)別技術(shù)綜述 [J]. 2021,5 [3] 高建坡，王煜堅(jiān)，楊浩等．一種基于 KL 變換的橢圓模型膚色檢測方法 [J]．電子與信息學(xué)報(bào)． 2021， V01． 29， No． 7． [4] 李剛，高政、人臉自動(dòng)識(shí)別方法綜述、計(jì)算機(jī)應(yīng)用研究、 2021, Vol 8:49 [5] 高建坡，王煜堅(jiān)，楊浩等．一種基于 KL 變換的橢圓模型膚色檢測方法 [J]．電子與信息學(xué)報(bào)． 2021， V01． 29， No． 7． [6] 高建坡．視頻序列中的人臉檢測與跟蹤算法研究．東南大學(xué)博士學(xué)位論文 ． 2021，3． [7] 基于五官特征定位的人臉識(shí)別技術(shù)在防盜門中的應(yīng)用 [D]中國海洋大學(xué)： 2021 [8] Huang F J， Chen T． Tracking of multiple faces for human— puter interfaces and virtualenvironments[C]． IEEE Intl． Conf． on Multimedia and Expo． New York， July 2021． [9] 張翠平 ,蘇光大人臉識(shí)別技術(shù)綜述中國圖像圖形學(xué)報(bào) [J]2021 年 11 期 [10] Viola P， Jones M． Rapid object detection using a boosted cascade of simple feature[c]． In： Proceedings of IEEE Conference on Computer Vision and Pattern Recognition， Kauai， Hawaii， USA， 2021， 1： I51l518 [11] Viola P.， Jones M. J.、 Robust RealTime Face Detection、 International Journal of Computer Vision 57(2), 137154, 2021 [12] 張宏林 . visual C++ 數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐 . 北京：人民郵電出版社，2021 年 4 月 基于 OpenCV 的 視頻人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 25 您好，為你提供優(yōu)秀的畢業(yè)論文參考資料，請您刪除以下內(nèi)容， O(∩_∩)O 謝謝?。?！A national survey was recently launched to evaluate the eye health of Chinese children June 6, China39。最后，采用了 AdaBoost 算法實(shí)現(xiàn)了基于 OpenCV 的人臉檢測系統(tǒng)。由于特征數(shù)量過于巨大，所以在訓(xùn)練的時(shí)間空間成本都非常巨大。首先檢測圖片中是否有人臉存在（用到了 AdaBoost 算法），如果沒有那么就提示用戶手動(dòng)輸入或者是否等待攝像頭讀入。 圖像預(yù)處理 檢測有無人臉 對人臉進(jìn)行 定位 并標(biāo)出關(guān)鍵部位 啟動(dòng)系統(tǒng)進(jìn)入人臉檢測界面 點(diǎn)擊攝像鍵拍照保存 特征提取 對比識(shí)別 退出 西北大學(xué)本科畢業(yè)論文 圖 系統(tǒng)主界面 （ 2）人臉庫界面。接著從人臉庫中提取出該人的相關(guān)信息，并顯示出來。人臉定位是將描述人臉特征的關(guān)鍵點(diǎn)（如兩眼中點(diǎn)、鼻尖、嘴角等等）標(biāo)記出來。 AdaBoost 算法應(yīng)用于人臉檢測中 ,其基本思想是針對不同的訓(xùn)練集訓(xùn)練同一個(gè)分類器，然后把這些不同訓(xùn)練集上的得到的分類器聯(lián)合起來，構(gòu)成一個(gè) 最終的強(qiáng)分類器。這樣龐大的數(shù)字給后續(xù)的迭代訓(xùn)練工作帶來了龐大的計(jì)算量，直接導(dǎo)致 AdaBoost 算法訓(xùn)練過程極為費(fèi)時(shí)，這恰恰是算法需要改進(jìn)的關(guān)鍵問題之一。依據(jù)系統(tǒng)框架，如圖，本文的訓(xùn)練系統(tǒng)可分為以下幾個(gè)模塊 : (1)以樣本集為輸入，在給定的矩形特征原型下，計(jì)算并獲得矩形特征集 。下一節(jié)將詳細(xì)介紹這一算法。人臉檢測長期以來受檢測的精度和檢測的速度困擾 ,直到上世紀(jì) 90年代 ,由 Viola提出的基于 AdaBoost算法極大地提高了人臉檢測地速度的和精度 , 使人臉檢測技術(shù)真正走向?qū)嵱?。?xùn)練好網(wǎng)絡(luò)后，就可用它對新輸入的人臉進(jìn)行識(shí)別。為了加快網(wǎng)絡(luò)訓(xùn)練的收斂速度，可對輸入矢量做標(biāo)準(zhǔn)化處理，并給個(gè)連接權(quán)適當(dāng)?shù)馁x予初值。 西北大學(xué)本科畢業(yè)論文 多層感知器是一個(gè)多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、一個(gè)或多個(gè)隱層以及一個(gè)輸出層組成，其學(xué)習(xí)算法采用 BP 算法。神經(jīng)網(wǎng)絡(luò)在人臉識(shí)別、性別識(shí)別中都有廣泛的應(yīng)用。二是彈性圖匹配的人臉識(shí)別方法，這種方法在二維的空間中定義了一種對于通常的人臉變形具有一定的不變性的距離，并采用屬性拓?fù)鋱D來代表人臉，拓?fù)鋱D的任意頂點(diǎn)均包含一特征向量，用來記錄人臉在頂點(diǎn)位置附近的信息。 . 本章小結(jié) 本章介紹了人臉識(shí)別系統(tǒng)的技術(shù)框架和功能模塊，人臉檢測具有簡單、方便、成本低、識(shí)別速度快等優(yōu)點(diǎn)。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)庫中已經(jīng)存在的人臉特征進(jìn)行對比匹配，然后輸出確定該人員 是否是合法的人員。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 來表示。搜索 式的比對是指，從數(shù)據(jù)庫中已登記的所有人像中搜索查找是否有指定的人像存在。 OpenCV 有幾個(gè)顯著的特點(diǎn)： 、開源 、代碼優(yōu)化 ： windows Linux Mas OS 本次設(shè)計(jì)所用的開發(fā)工具是 Microsoft Visual C++ 。人臉檢測是人臉信息處理領(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)人臉檢測又是一個(gè)極具挑戰(zhàn)性的問題。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。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。 . 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。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)。 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)比例來識(shí)別人臉，忽略了局部細(xì)微特征，更適合于粗分類。人臉識(shí)別檢測是指對于任意一幅給定的圖像，采用一定的策略對其進(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)，接著對人臉進(jìn)行識(shí)別。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)近年來興起的，但不大為人所知的新技術(shù)。 系統(tǒng)基于 .NET 平臺(tái)設(shè)計(jì)，使用 C++語言進(jìn)行實(shí)現(xiàn)，完成了基于視頻的實(shí)時(shí)人臉身份認(rèn)定。應(yīng)用 AdaBoost 算法實(shí)現(xiàn)了針對視頻流的快速人臉定位和身份識(shí)別，能夠?qū)崿F(xiàn)實(shí)時(shí)身份認(rèn)定。目前，微電子和視覺系統(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。 人臉識(shí)別檢測研究，主要包括人臉檢測技術(shù)和人臉識(shí)別技術(shù)的研究 [3]。但是，這一階段的人臉識(shí)別過程全部依賴于操作人員，沒有實(shí)現(xiàn)系統(tǒng)的自動(dòng)識(shí)別功能。 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，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。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題。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。其實(shí)，人臉檢測并不是新技術(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。人臉識(shí)別在身份認(rèn)證、信息安全、媒體娛樂、圖像搜索方面的重要應(yīng)用。這意味著如果有為 特定處理器優(yōu)化的的 IPP 庫， OpenCV 將在運(yùn)行時(shí)自動(dòng)加載這些庫。核實(shí)式是對指將捕獲得到的人像或是指定的人像與數(shù)據(jù)庫中已登記的某一對像作比對核實(shí)確定其是否為同一人。 . 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。 。 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 圖 應(yīng)用技術(shù)框架圖 人臉識(shí)別不管是訓(xùn)練階段還是識(shí)別階段都首先需要采集人臉圖像，然后對人臉圖像進(jìn)行預(yù)處理、特征提取、然后再進(jìn)行訓(xùn)練和識(shí)別，最后形成訓(xùn)練結(jié)果或識(shí)別結(jié)果，其中訓(xùn)練階段和識(shí)別階段使用的數(shù)據(jù)不同。一是基于特征點(diǎn)的人臉識(shí)別方法，該方法是基于 KL 變換的人臉識(shí)別方法，這 種方法需要較多的訓(xùn)練樣本，而且完全是基于圖像灰度的統(tǒng)計(jì)特性。神經(jīng)網(wǎng)絡(luò)以并行方式處理信息，如果能用硬件實(shí)現(xiàn)，就能顯著提高速度。本節(jié)介紹基于多層感知器神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法。為了實(shí)現(xiàn)具有推廣能力強(qiáng)的 BP 分類器，可以從特征壓縮著手，壓縮輸入 矢量的維數(shù)，并適當(dāng)?shù)倪x擇隱層的神經(jīng)元數(shù)。對人臉校準(zhǔn)圖像用類間相關(guān)矩陣作為 KL 變換的產(chǎn)生矩陣 ，可抽取出基于 OpenCV 的 視頻人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 15 P 維的識(shí)別特征，將 P 維的識(shí)別特征矢量做為網(wǎng)絡(luò)的輸入矢量，每訓(xùn)練一個(gè)樣本，修正一次連接權(quán)值。 人臉檢測最初是隨著人臉識(shí)別的研究而提出的 ,但隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展 ,人臉檢測受到越來越高的重視而作為一個(gè)獨(dú)立的課題提出。四是 AdaBoost 算法，該算法是目前檢測最為成功的算法之一，檢測速度快。 訓(xùn)練系統(tǒng)總體框架，由 “ 訓(xùn)練部分 ” 和 “ 補(bǔ)充部分 ” 構(gòu)成。當(dāng)然也可以在這 4 種特征的基礎(chǔ)上設(shè)計(jì)出更多、更復(fù)雜的特征，上述 4 種特征的 總個(gè)數(shù)超過了 160000 個(gè)。二維人臉識(shí)別算法有基于模版匹配的方法、基于奇異值特征方法、子空間分析法、主成分分析法（ PCA）、積分圖像特征法（ AdaBoost）。 （ 4）人臉定位模塊。將后臺(tái)數(shù)據(jù)庫中的特定值與人臉數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行比對，確定與該特征值最接近的參數(shù)，如果該參數(shù)在允許誤差范圍內(nèi)就可以認(rèn)為其與人臉數(shù)據(jù)庫中的某個(gè)信息相匹配。如圖 所示。 基于 OpenCV 的 視頻人臉識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 21 圖 檢測與標(biāo)注界面 在啟動(dòng)系統(tǒng)后可以手動(dòng)載入指定圖像，也可以由攝像頭自動(dòng)載入圖像。用本庫訓(xùn)練出來的強(qiáng)分類器只對此類圖片敏感。主要介紹了人臉識(shí)別的方法、人臉檢測的常見算法。方芳 。ll wear a mask, or just ignore the smog and go on jogging, she said. For those who are not so athletic, jogging also has its attractions. Wu Houbin started roughly two years ago, when he was severely obese. Within two months, his weight dropped from 82 kilograms to 64 kilograms. The success helped him recover health, and he has made friends. Jogging does not require speed, but stami na. If you want to stick to the game, you need to take it as a mission, a habit, and then eventually a hobby, Wu said. But persevering with jogging is not always easy. Jogging is beneficial for heartlung function, and the skeletal system, but doctors say improper technique damages the joints, especially the knees and ankles. Excessive jogging wears down the body, and harms one