【正文】 頻文件前要進(jìn)行相應(yīng)的格式轉(zhuǎn)換，將其轉(zhuǎn)換為OpenCV支持的avi視頻文件編碼方式。在本系統(tǒng)的實(shí)現(xiàn)過程中，我下載了一個(gè)視頻編碼轉(zhuǎn)換器WisMencoder，可以運(yùn)行軟件后將任意編碼格式的avi視頻文件壓縮編碼成為OpenCV支持的Xvid格式文件，這種文件一定能夠被OpenCV所支持。videoCapture=cvCreateFileCapture(fileName)。 if(videoCapture) { double fps=cvGetCaptureProperty(videoCapture, CV_CAP_PROP_FPS )。//視頻播放幀率 CString str。 (%f,fps)。 MessageBox(視頻播放幀率:+str,提示,MB_OK)。 winName=播放AVI視頻。//窗口名稱 cvNamedWindow(winName,0)。//創(chuàng)建格式化窗口 cvMoveWindow(winName,500,0)。}實(shí)現(xiàn)關(guān)鍵代碼： 本章小結(jié)本章詳細(xì)地討論了基于OpenCV的人臉檢測系統(tǒng)的設(shè)計(jì)方法及其在Visual C++環(huán)境下的實(shí)現(xiàn)。首先介紹了系統(tǒng)的環(huán)境配置，然后對系統(tǒng)進(jìn)行了可行性分析和需求分析，最后對各個(gè)模塊的實(shí)現(xiàn)方法和原理進(jìn)行了詳細(xì)介紹。5 系統(tǒng)運(yùn)行與測試 系統(tǒng)運(yùn)行在人臉檢測與跟蹤系統(tǒng)的設(shè)計(jì)過程中，采用基于Haar特征的AdaBoost算法首先實(shí)現(xiàn)了靜態(tài)圖像的人臉檢測，不僅可以實(shí)現(xiàn)單個(gè)人臉圖像的人臉檢測，而且可以實(shí)現(xiàn)對多個(gè)人臉的圖片進(jìn)行人臉檢測，并給出檢測時(shí)間和檢測人數(shù)；其次，在靜態(tài)人臉檢測的基礎(chǔ)上實(shí)現(xiàn)了攝像頭下的人臉實(shí)時(shí)追蹤和監(jiān)視；也實(shí)現(xiàn)了AVI視頻流文件的讀取、播放和動態(tài)人臉檢測。用戶運(yùn)行本系統(tǒng)后，可以根據(jù)自己的需要選擇直接對靜態(tài)圖像進(jìn)行人臉檢測，可以看到檢測的時(shí)間和檢測出人數(shù)，也可以選擇使用攝像頭進(jìn)行實(shí)時(shí)人臉追蹤，同時(shí)可以任意打開一個(gè)OpenCV支持的avi視頻文件，在播放的過程中完成動態(tài)人臉檢測。 系統(tǒng)測試方案與結(jié)果進(jìn)行系統(tǒng)測試的目的在于有效地檢驗(yàn)本系統(tǒng)各個(gè)功能模塊的實(shí)現(xiàn)情況，以及驗(yàn)證系統(tǒng)的人臉檢測性能，測試系統(tǒng)的魯棒性，并在以后的研究中不斷改進(jìn)方法，減少外界因素如光照、遮擋、傾斜角度等對系統(tǒng)檢測性能的影響，提高系統(tǒng)的檢測準(zhǔn)確率和檢測速度。1. 測試圖片人臉檢測的功能(1)．單個(gè)人臉的檢測：運(yùn)行系統(tǒng)后，首先點(diǎn)擊“加載分類器”菜單，加載人臉分類器，然后點(diǎn)擊“人臉區(qū)域標(biāo)定”菜單，源圖像及檢測結(jié)果窗口如下所示： 圖 單個(gè)人臉圖片 圖 單人臉檢測結(jié)果展示窗口檢測時(shí)間和人臉數(shù)量如下所示： (2)． 多個(gè)人臉的檢測：圖 檢測時(shí)間和人臉數(shù)量如下所示： 可以看到以上情況是將圖像中全部人臉檢測出來，但有時(shí)候也會出現(xiàn)誤檢或漏檢的情況，如下兩種情況。（1）加載分類器后，然后進(jìn)行檢測，可以看到所有人臉均可檢測出來，但出現(xiàn)了誤判情況，結(jié)果如下所示： 圖 多人臉圖片樣例 圖 多人臉檢測結(jié)果展示窗口檢測人臉時(shí)間和人臉數(shù)量如下所示： （2）加載分類器后，然后進(jìn)行檢測，可以看到出現(xiàn)了漏檢的情況，結(jié)果如下所示： 圖 多人臉圖片樣例 圖 多人臉檢測結(jié)果展示窗口檢測人臉時(shí)間和人臉數(shù)量如下所示： 2. 測試攝像頭人臉檢測的功能首先連接攝像頭，然后運(yùn)行系統(tǒng)后，首先點(diǎn)擊“加載分類器”菜單，加載人臉分類器，然后選擇“視頻功能”菜單下的“攝像頭視頻人臉跟蹤”子菜單，即可進(jìn)行實(shí)時(shí)人臉追蹤，： 攝像頭視頻人臉跟蹤3. 測試avi視頻流人臉檢測的功能首先將一些avi視頻轉(zhuǎn)換為Xvid編碼的視頻格式，運(yùn)行系統(tǒng)后同樣先加載分類器，然后選擇“視頻功能”菜單下的“AVI視頻流人臉檢測”子菜單，選擇Gee[WisMencoder Encoded].avi視頻文件，即可對打開的視頻文件進(jìn)行動態(tài)人臉檢測和定位，結(jié)果如下所示： AVI視頻流人臉檢測4. 測試參數(shù)改變對人臉檢測性能的影響1 改變搜索窗口比例，即搜尋時(shí)按照這個(gè)比例，將搜索窗口面積每次擴(kuò)大10%；，其它參數(shù)不變，設(shè)置如下所示： 檢測參數(shù)設(shè)置檢測時(shí)間和準(zhǔn)確率都會產(chǎn)生一定的變化，三種檢測結(jié)果對比如下： 單個(gè)人臉源圖像 單個(gè)人臉檢測結(jié)果展示檢測結(jié)果比較表如下： scale參數(shù)改變結(jié)果比較scale檢測準(zhǔn)確率檢測時(shí)間/ms100%100%100%通過上面的檢測結(jié)果比較，可以得出，當(dāng)采用的搜索窗口比例系數(shù)增大時(shí)，可以大大減少檢測時(shí)間，提高檢測效率。⑵ 改變檢測目標(biāo)相鄰矩形最小個(gè)數(shù)本系統(tǒng)最初設(shè)定的檢測目標(biāo)相鄰矩形最小個(gè)數(shù)為2，測試中將其修改為1和3，其它參數(shù)不變，三種情況檢測結(jié)果對比如下： min_neighbor=2和3檢測結(jié)果 min_neighbor=1檢測結(jié)果檢測結(jié)果比較表如下： min_neighbor參數(shù)改變結(jié)果比較min_neighbor誤判漏判檢測時(shí)間/ms3否否2否否1是否通過以上的比較可以看出，檢測目標(biāo)相鄰矩形個(gè)數(shù)越多，誤判率越低，但檢測速度也相應(yīng)變慢；相鄰矩形個(gè)數(shù)越少，可能將非人臉判定為人臉，產(chǎn)生誤判，尤其對于復(fù)雜背景圖像。⑶ 改變搜索窗口最小尺寸本系統(tǒng)最初設(shè)置最小尺寸為cvSize(10, 10)，將其修改為cvSize(20, 20)和cvSize(30, 30)以后，其它參數(shù)不變，檢測結(jié)果對比如下： cvSize(10,10)和cvSize(20,20)時(shí)檢測結(jié)果 cvSize(30,30)的檢測結(jié)果檢測結(jié)果比較表如下： min_size參數(shù)改變結(jié)果比較min_size誤判漏判檢測時(shí)間/mscvSize(10, 10)是否cvSize(20, 20)是否cvSize(30, 30)否否通過以上對各個(gè)功能模塊測試和參數(shù)改變的測試結(jié)果，我們可以證明該人臉檢測系統(tǒng)具有一定的功能實(shí)用性和操作穩(wěn)定性，達(dá)到了基本的人臉檢測和跟蹤目的。通過改變各個(gè)參數(shù)的設(shè)置，我們可以發(fā)現(xiàn)影響檢測效率和性能的基本因素，同時(shí)對于發(fā)生誤判和漏判的情況，我們可以總結(jié)出一些外界影響因素，如光照、遮擋、人臉旋轉(zhuǎn)角度等，為今后系統(tǒng)的擴(kuò)展和完善、在人臉檢測方面的深入研究打下了一定的基礎(chǔ)。 系統(tǒng)的優(yōu)點(diǎn)與不足該系統(tǒng)采用基于Haarlike特征的AdaBoost人臉檢測方法，利用OpenCV的基本圖像處理函數(shù)和人臉檢測函數(shù)實(shí)現(xiàn)。通過觀察系統(tǒng)對靜態(tài)圖像、攝像頭、avi視頻流等的人臉檢測結(jié)果和以上大量的測試結(jié)果，可以得出AdaBoost人臉檢測算法檢測效率高、速度快，實(shí)時(shí)性好的特點(diǎn)，是目前人臉檢測和計(jì)算機(jī)視覺領(lǐng)域里很有發(fā)展前景的一種算法，系統(tǒng)擴(kuò)展的實(shí)用性較強(qiáng)，同時(shí)OpenCV和本系統(tǒng)在實(shí)現(xiàn)人臉檢測方面仍然存在一些不足，如下所示：⑴ 不能檢測尺寸太小的圖片中的人臉，OpenCV對尺寸太小的人臉檢測效果不是很好，仍然存在一定的缺陷和不足。⑵ 本系統(tǒng)對在平面內(nèi)有一定旋轉(zhuǎn)的人臉的檢測效果不好，同時(shí)在復(fù)雜背景下由于光照、背景物體等的影響，可能出現(xiàn)誤判。⑶ AdaBoost雖然具有較高的檢測速度和精確率，但可能會出現(xiàn)誤判，在以后的研究中，可以將其與其它算法如基于膚色的人臉檢測相結(jié)合，提高檢測效率。 本章小結(jié)本章在系統(tǒng)運(yùn)行結(jié)果的基礎(chǔ)上，對各個(gè)模塊的功能進(jìn)行了詳細(xì)的測試，然后測試了各個(gè)參數(shù)改變對系統(tǒng)性能和檢測率的影響，最后分析了本系統(tǒng)的優(yōu)點(diǎn)和存在的不足之處，并提出了改進(jìn)方法。6 結(jié)論人臉檢測和跟蹤技術(shù)是近年來圖像處理、模式識別、人工智能等領(lǐng)域內(nèi)非?；钴S的研究課題之一，具有廣泛的應(yīng)用價(jià)值和理論研究價(jià)值。本文針對人臉檢測技術(shù)進(jìn)行了系統(tǒng)的研究和設(shè)計(jì)。在了解了人臉檢測的發(fā)展歷史及學(xué)習(xí)了國內(nèi)外人臉檢測研究成果的基礎(chǔ)上，對現(xiàn)有的人臉檢測算法做了概要介紹，重點(diǎn)討論了Viola等提出的基于Haar特征的AdaBoost人臉檢測算法，并且結(jié)合Intel開源計(jì)算機(jī)視覺庫OpenCV C++，將AdaBoost算法和與實(shí)現(xiàn)代碼相結(jié)合，理論聯(lián)系實(shí)際，實(shí)現(xiàn)了基本的人臉檢測和跟蹤功能。并對本人臉檢測系統(tǒng)進(jìn)行了功能和參數(shù)改變測試，總結(jié)了系統(tǒng)的性能和檢測效率，并分析了系統(tǒng)存在的不足之處和改進(jìn)方法。本文的主要工作包括：1. 了解人臉檢測領(lǐng)域的發(fā)展歷史和發(fā)展現(xiàn)狀，認(rèn)識人臉檢測的主要算法實(shí)現(xiàn)原理。2. 學(xué)習(xí)OpenCV，了解其功能體系結(jié)構(gòu)和在圖像處理、人臉檢測中的應(yīng)用，結(jié)合VisualC++編程環(huán)境進(jìn)行深入研究；針對OpenCV檢測的缺陷，通過多種圖像預(yù)處理方法以提高檢測效率和性能，并進(jìn)行實(shí)踐檢驗(yàn)與擴(kuò)展應(yīng)用。3. 進(jìn)行系統(tǒng)的詳細(xì)設(shè)計(jì)和算法實(shí)現(xiàn)，并進(jìn)行有效的測試。通過對人臉檢測發(fā)展和各種實(shí)現(xiàn)算法的認(rèn)識，利用基于Haarlike特征的AdaBoost算法開發(fā)出了具有基本功能的人臉檢測與跟蹤系統(tǒng)，并取得了很好的檢測效果，在系統(tǒng)設(shè)計(jì)過程中也遇到了不少的OpenCV技術(shù)問題，并一一解決。但系統(tǒng)仍然存在很多的不足之處，如對側(cè)臉、復(fù)雜背景圖片或視頻等檢測效果不是很好，這就需要在以后的研究中不斷完善，將各種人臉檢測算法有效結(jié)合綜合運(yùn)用將是人臉檢測研究的必然趨勢，可以大大提高人臉檢測效率和性能。致謝經(jīng)過兩個(gè)多月的設(shè)計(jì)和開發(fā)，基于 OpenCV 的人臉檢測與跟蹤系統(tǒng)開發(fā)完畢，實(shí)現(xiàn)了人臉檢測的基本功能。通過這次畢業(yè)設(shè)計(jì)，我掌握了Intel開源計(jì)算機(jī)視覺庫OpenCV在圖像處理和人臉檢測方面的基本使用方法，并鞏固了以前對Visual C++編程的學(xué)習(xí)。另外，通過這次畢業(yè)設(shè)計(jì)，提高了自己運(yùn)用大學(xué)所學(xué)的知識和技能解決實(shí)際問題的能力和動手操作水平。本次畢業(yè)設(shè)計(jì)和論文是在王宏勇老師的悉心指導(dǎo)下完成的。在畢業(yè)設(shè)計(jì)學(xué)習(xí)和研究期間，王老師始終對我嚴(yán)格要求，給予我悉心的指導(dǎo)和關(guān)懷，并給我熱情的鼓勵，引導(dǎo)我在研究學(xué)習(xí)中不斷進(jìn)步。王老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、孜孜不倦的敬業(yè)精神、獨(dú)到的學(xué)術(shù)見解以及平易近人的處事風(fēng)范，都深深感染了我，是我以后學(xué)習(xí)和工作的榜樣。在此，謹(jǐn)向我的導(dǎo)師表示最誠摯的謝意。其次，感謝我的父母在整個(gè)學(xué)業(yè)過程中對我物質(zhì)和精神上的支持和關(guān)懷，謝謝他們一直以來對我的鼓勵。同時(shí)，感謝我的母校黃河科技學(xué)院對我的精心培養(yǎng)，感謝在大學(xué)傳授給我知識以及給我?guī)椭凸膭畹睦蠋?，同學(xué)和朋友們。最后，衷心感謝在百忙之中抽出時(shí)間評審本論文及參加答辯的領(lǐng)導(dǎo)們和老師們。參考文獻(xiàn)[1] Stan Z. Li, Anil K. Jain, Handbook of face recognition[J]. Springer Science+Business Media, Inc. 2005[2] 蘇劍波、徐波．應(yīng)用模式識別技術(shù)導(dǎo)論[M]．上海交通大學(xué)出版社，2001年[3] 王偉、張佑生、方芳．人臉檢測與識別技術(shù)綜述[J]．合肥工業(yè)大學(xué)學(xué)報(bào)，29(2)，158163，2006[4] 艾海舟，梁路宏，徐光裙等．基于膚色與模板的人臉檢測[J]. 軟件學(xué)報(bào)， 12(12)，2001[5] 周杰，盧春雨，張長水，李衍達(dá)．人臉自動識別方法綜述[J]．電子學(xué)報(bào)，4(4)，2004[6] YangG，Huang TS．Humanface detection in plex background[J]: Pattern Recognition. 10(1)，5363，1994[7] Samal A，Iyengar PA．Automatic recognition and analysisof human faces and facial expressions[J] ． Pattern Recognition，10(1)，6577，1992[8] JainAK Zhong Y DubuissinnJolly MP．Deformable template models[J]．Signal Processing，2(2)，109129，1998[9] 李軍鋒，姜翌明．具有真實(shí)感的虛擬人臉合成[J]．西安電子科技大學(xué)學(xué)報(bào)，2003[10] 劉海波、沈晶、郭聳等．Visual C++數(shù)字圖像處理技術(shù)詳解[M]．機(jī)械工業(yè)出版社， 2010年6月，第一版[11] 于仕琪、劉瑞禎．OpenCV教程(基礎(chǔ)篇)[M]．北京航空航天大學(xué)出版社，2007年6月[12] 布拉德斯基 (.)、克勒 (.)、于仕琪、劉瑞禎．學(xué)習(xí)OpenCV(中文版)[M] ．清華大學(xué)出版社，2009年10月，第一版[13] 王占全 徐慧．精通Visual C++數(shù)字圖像處理技術(shù)與工程案例[M]．人民郵電出版社， 2010年9月，第一版[14] 黃維通．Visual C++面向?qū)ο笈c可視化程序設(shè)計(jì)[M]．清華大學(xué)出版社，2003年12月，第二版[15] 鐘玉琢、沈洪、冼偉銓、田淑珍．多媒體技術(shù)基礎(chǔ)及應(yīng)用[M]．清華大學(xué)出版社，2006年2月，第一版[16] 迪達(dá)、李宏東等．模式分類[M]．機(jī)械工業(yè)出版社，2009年1月，第一版