【正文】 商學(xué)院 畢業(yè)學(xué)士論文 基于 OpenCV的人臉識(shí)別 算法 姓名： 陳滔 申請(qǐng)學(xué)位級(jí)別： 學(xué)士 專業(yè)： 測(cè)控技術(shù)與儀器 指導(dǎo)教師： 方挺 摘要 人臉在社會(huì)交往中扮演著十分重要的角色，是人類在確定一個(gè)人身份時(shí)所采用的最普通的生物特征，研究人臉跟蹤識(shí)別及其相關(guān)技術(shù)具有十分重要的理論價(jià)值和應(yīng)用價(jià)值。 Abstract Human face is 0111primary focus of attention in social intercourse playingamajor rolei conveying dentity and emotion． Researchonthe face tracking， recognition technology has great theoreticaland practical value ． This paper focusesOilbuildingasetofhumanface recognition and trackingsystem tomitted toaccurate and realtimecolorvideoimages ，andcalltransmit the tracked human face image to the recognition part to identify the person’ S status． Thesystem is divided into client and server parts． Thetracking algorithm whichcarrieson morphology processing after traditional track algorithm Camshifl and assignments severaltrackingdevices is applied to the client for duplex facetracking． Theserver— side first divides the person face image into blocksaccording to its chief feature， then the blocksuses the Eigenfacealgorithm separately to realize the person ’ S status recognition ． The system implementation for multiple face trackingcallbe widelyused among the various security systems，suchas： ATM machine monitoring system， accesscontrol system． Keywords： Face DetectionFace TrackingFace Recognition Eigenface Camshift 第一章緒論 本章論述了本文選題的背景、研究的意義、課題研究現(xiàn)狀及國(guó)際發(fā)展動(dòng)態(tài)，并對(duì)相關(guān)理論和應(yīng)用領(lǐng)域做了詳細(xì)論述，最后給出了本文的主要研究工作。人臉跟蹤 f3叫 (Face Tracking)則是要在圖像序列中確定出各幀間人臉的對(duì)應(yīng)關(guān)系，并在后續(xù)序列幀中跟蹤出已定位人臉的運(yùn)動(dòng)軌跡。 2基于 OpenCV的人臉跟蹤識(shí)別系統(tǒng)研究 1． 2人臉跟蹤識(shí)別國(guó)內(nèi)外研究進(jìn)展 近些年來(lái)，隨著計(jì)算機(jī)硬件性能的不斷發(fā)展，基于圖像傳感器的視頻監(jiān)控系 統(tǒng)獲得了迅猛發(fā)展，各種面向復(fù)雜應(yīng)用背景的 視頻監(jiān)控系統(tǒng)也隨之大量涌現(xiàn)。該研究的目標(biāo)是提供圖像視頻處理、理解技術(shù)，讓司法機(jī)關(guān)能從現(xiàn)有的監(jiān)控系統(tǒng)的錄像資料中獲取更多有用的犯罪證據(jù)?！队?jì)算機(jī)學(xué)報(bào)》、《軟件學(xué)報(bào)》和 《控制與決策》等一些雜志也對(duì)智能監(jiān)控系統(tǒng)中一些關(guān)鍵技術(shù)進(jìn)行刊載。 人臉跟蹤與識(shí)別技術(shù)的應(yīng)用領(lǐng)域也十分廣泛，主要包括視頻會(huì)議、智能監(jiān)控、圖 像與視頻檢索、人機(jī)交 互、門禁控制以及家庭娛樂(lè)等。 模式識(shí)別在人臉檢測(cè)算法中有著很重要的作用，有很多算法是基于模式分類 的技術(shù)來(lái)檢測(cè)人臉的，同 時(shí)在其它檢測(cè)技術(shù)中，膚色模型、人臉區(qū)域驗(yàn)證等檢測(cè)環(huán)節(jié)也需要模式識(shí)別的相關(guān)技術(shù)。 人工智能 人工智能是研究使計(jì)算機(jī)來(lái)模擬人的某些思維過(guò)程和智能行為 (如學(xué)習(xí)、推 理、思考、規(guī)劃等 )的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦 智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。 智能監(jiān)控：針對(duì)敏感場(chǎng)所 (如銀 行、商店、停車場(chǎng)、自動(dòng)提款機(jī) )開發(fā)的 智能監(jiān)控? q2J 系統(tǒng)，能夠每天連續(xù) 24小時(shí)的實(shí)時(shí)監(jiān)視，并自動(dòng)分析攝相機(jī)捕捉的圖像數(shù)據(jù)，當(dāng)搶劫、盜竊發(fā)生或發(fā)現(xiàn)具有異常行為的人時(shí)，系統(tǒng)能向保衛(wèi)人員準(zhǔn)確及時(shí)地發(fā)出警報(bào)，從而避免犯罪的發(fā)生。人機(jī)交互研究的最終目的 在于如何使所設(shè)計(jì)的計(jì)算機(jī)能幫助人們更安全、更有效地完成所需任務(wù)。 1． 4本文研究工作概述 本文旨在構(gòu)建一個(gè)基于 OpenCV庫(kù)的彩色視頻人臉跟蹤識(shí)別系統(tǒng)框架，使用 OpenCV 庫(kù)中的一些函數(shù)用于編程，使之可以應(yīng)用于安防監(jiān)控系統(tǒng)。本章著重介紹當(dāng)前人臉檢測(cè)和人臉識(shí)別的主要方法。而復(fù)雜背景是指背景并不確定，并且背景中可能包含了和人臉相似的特征，正是由于這點(diǎn)在復(fù)雜背景下做人臉檢測(cè)往往會(huì)導(dǎo)致誤檢?；谔卣鞣治龊徒y(tǒng)計(jì)方法這兩大類別，對(duì)人臉檢測(cè)的主要方法進(jìn)行介紹： 2． 1． 1基于特征分析的人臉檢測(cè)方法 基于特征分析的方法中主要有基于輪廓對(duì)稱性的人臉檢測(cè)方法、基于局部特 征的人臉檢測(cè)方法、膚色區(qū)域分割與人臉驗(yàn)證結(jié)合法和基于模板匹配的人臉檢測(cè)方法，下面對(duì)這幾種方法進(jìn)行概要介紹。于是可以利用一組描述人臉的局部特征分布的規(guī)則來(lái)進(jìn)行人臉檢測(cè)。Cai等根據(jù)膚色模型提供的像素的似然度，采用從局部最大值處逐漸擴(kuò)展的方法得到膚色區(qū)域，然后使用灰度平均臉模板匹配的方法驗(yàn)證區(qū)域內(nèi)是否有人臉。有研究者利用基于模版的方法來(lái)定位眼睛的位置，把標(biāo)準(zhǔn)的眼睛模板調(diào)整為 5 個(gè)不同的尺寸，然后再輸入圖像中尋找眼睛。當(dāng)用可變形模板進(jìn)行人臉檢測(cè)時(shí)，首先，可變形模板在待檢測(cè)圖像中移動(dòng)，并動(dòng)態(tài)地調(diào)整其參數(shù)，計(jì)算能量函數(shù)。 Schneiderman等采用 64*64像素的模式區(qū)域，將其分為 16個(gè)子區(qū)域，通過(guò)子區(qū)域獨(dú)立性等假設(shè)降低“人臉”與“非人臉”模式分布表達(dá)式的復(fù)雜性，最后轉(zhuǎn)化為稀疏編碼的直方圖，通過(guò)計(jì)算訓(xùn)練樣本的頻度求得兩種模式的概率分布。基于 HMM的方法一般只使用人臉樣本進(jìn)行訓(xùn)練，主要針對(duì)人臉識(shí)別的頭肩部圖像。 Osuna等將 SVM方法用于人臉檢測(cè)，取得了較好的效果 。按照前面人臉檢測(cè)的分類， Adaboost 算法屬于基于圖像的人臉檢測(cè)方法中的統(tǒng)計(jì)方法。 Viola提出的這個(gè) AdaBoost 算法已經(jīng)成為人臉檢測(cè)領(lǐng)域的經(jīng)典成果得到了更多的 基于幾何特征的識(shí)別方法，基于代數(shù)特征的識(shí)別方法，基于連接機(jī)制的識(shí)別方法。在頭部運(yùn)動(dòng)和表情變化狀態(tài)下的人臉識(shí)別都可以看作動(dòng)態(tài)人臉識(shí)別，如視頻監(jiān)視中的人臉識(shí)別。特征點(diǎn)先是手工定位，經(jīng)過(guò)一段學(xué)習(xí)以后，即可達(dá)到自動(dòng)定位。變換得到對(duì)應(yīng)特征值依次遞減的特征向量，即特征臉 1361。由于貝葉斯相似度的計(jì)算涉及復(fù)雜的非線性的快速計(jì)算方法。這種方法至少有兩個(gè)問(wèn)題，一個(gè)是直接采用灰度值作為觀察值矢量會(huì)受到噪聲、光線等很多隨機(jī)因素的影響，另外一個(gè)是計(jì)算量很大，學(xué)習(xí)和識(shí)別速度都比較慢。對(duì)于 Adaboost 人臉檢測(cè)算法給出了檢測(cè)效果圖如圖 2． 1中所示的 7幅圖像，從不同側(cè)面 證實(shí)了這種算法的檢測(cè)能力，可以很清楚的表明選取這種檢測(cè)算法的正確性。在 IPL 支持下，可輕松實(shí)現(xiàn)物體輪廓跟蹤、圖像的幾何處理、形態(tài)學(xué)處理、圖像特征提取、背景分離、金字塔算法、種子填充算法、光流算法、主動(dòng)輪廓算法、相機(jī)的校正、姿勢(shì)的識(shí)別等很多操作。