【正文】 經(jīng)過測試之后得到如下結(jié)論：系統(tǒng)能夠進(jìn)行長時間的工作，不會造成內(nèi)存的泄露；系統(tǒng)能夠工作在背景不是很是復(fù)雜的環(huán)境下；使用光線補償技術(shù)可以將圖像的像素亮度增強，并且圖片中的曝光率能夠達(dá)到預(yù)期的平衡效果；使用圖像灰度化技術(shù)可以將圖片由彩色轉(zhuǎn)變?yōu)榛疑?；使用高斯高斯平滑技術(shù)能有效的消除圖像的噪音，提高了圖像質(zhì)量；而增強圖像對比度模塊能夠較好的把圖像特征表現(xiàn)出來。(8)對測試報告及測試計劃進(jìn)行歸檔保管，測試具有出錯統(tǒng)計和最終的分析報告，這樣為了改進(jìn)系統(tǒng)，維護(hù)系統(tǒng)等方面有了很大的幫助性。(4)在進(jìn)行對整個系統(tǒng)進(jìn)行綜合的測試時，應(yīng)當(dāng)提出合理的測試條件和合理的輸入條件，支出該系統(tǒng)需要改進(jìn)的功能等。使得整個系統(tǒng)的穩(wěn)定性有了提高，增加了識別率，提高了視頻幀的采集及處理速度，界面設(shè)計清晰美觀。 第三組數(shù)據(jù) 1/16 2/16 1/16 2/16 4/16 2/16 1/16 2/16 1/16 達(dá)到了比較理想的效果。高斯平滑得到的效果圖的好壞取決與模板的參數(shù)選擇。(pByteHigh)) return int(((pByteLow)/Grad))。*(lpData + lOffset+2) = state 。 其代碼如下：lOffset = (i, j, gwBytesPerLine)。 *(lpData + lOffset+2)=state 。Height[i][j]=smin； 灰度均衡 算法思想灰度均衡也稱直方圖均衡，為了使圖片在每一個灰度級上有相同的像素點數(shù)的輸出，就必須使用點運算輸入轉(zhuǎn)換，這樣轉(zhuǎn)換的結(jié)果是使圖像進(jìn)行灰度化，這對于在進(jìn)行圖像比較或分割之前將圖像轉(zhuǎn)化為一級的格式是十分有效的。}//將maxs乘上預(yù)設(shè)的值smin=(int)smin*maxs。m=i+((temp_h1)/2)。 具體實現(xiàn)高斯平滑功能上面講解了高斯平滑原理，下面可進(jìn)行編碼將其實現(xiàn)：編輯菜單IDR_MAINFRAM，在菜單“預(yù)處理”中添加一子菜單項，命名為“高斯平滑”并將其ID設(shè)為ID_READY_Mteplate。一般來說，不同的噪聲具有不同的卷積算法。用于平滑卷積核被稱為一個低通濾波器，低通濾波器具有以下特點：1行的卷積核的列數(shù)的數(shù)量，通常是33的矩陣；2個卷積系數(shù)的中心點對稱分布中心；3個卷積系數(shù)是為正；4是遠(yuǎn)離中心的卷積系數(shù)的值較小或保持不變；卷積的結(jié)果不改變圖像的亮度。例如：平滑算法是將原始圖像像素的灰度值和其相鄰的8個像素的灰度值進(jìn)行求和，然后為新的圖像的像素的灰度值。 *(lpData + lOffset+2)=gray 。 獲取紅色分量 ColorR=*(lpData + lOffset+2)?？梢?，a被映射為c，b被映射為d。所以將圖像灰度進(jìn)行線性變換，就能夠改變圖片的內(nèi)部結(jié)構(gòu)。 *(lpData+lOffset+2) = colorb。 *(lpData+lOffset+1) = colorb。 //得到藍(lán)色分量 *(lpData+lOffset) = colorb。iheight。 Invalidate()。整幅圖像的其他像素點的色彩值也都按這一調(diào)整尺度進(jìn)行交換，通過這種技術(shù)可以更好的進(jìn)行圖像的處理和后期的識別[22]。當(dāng)f（D）確定下來后則該點運算也就被定下來了。} 圖像點處理詳細(xì)設(shè)計在圖像的處理中點運算是一個非常重要的技術(shù)，點運算允許用戶改變圖像數(shù)據(jù)所占用的灰度范圍，從攝像頭采集到的圖像經(jīng)過點運算后可以得到一副新的圖像，根據(jù)輸入圖像像素點的灰度值可以決定輸出圖像像素點的灰度值，然而，點操作不能改變視頻圖像內(nèi)的空間結(jié)構(gòu)[20]。 calcLimit = cvTermCriteria( CV_TERMCRIT_ITER, nEigens, 1)。 inEigens。 // set the number of eigenvalues to use = faceImgArr[0]width。}(6) 為圖片分配PCA空間void FaceRec::doPCA(){ int i。 eigenVectArr[i] = (IplImage *)cvReadByName(fileStorage, 0, varname, 0)。 for(i=0。 eigenValMat = (CvMat *)cvReadByName(fileStorage, 0, eigenValMat, 0)。 (sPersonName)。 i++) { string sPersonName。.\n)。 } ()。 fileStorage = cvOpenFileStorage( , 0, CV_STORAGE_READ )。 } else{ nearest = trainPersonNumMat[iNearest]。 int iNearest,nearest。 projectedTestFace == 0 ){ loadTrainingData( amp。 if (() amp。 } storeTrainingData()。 for(i=0。 return。 szFileTrain = 。 cvReleaseImage(amp。 cvResetImageROI(bigImg)。 int y = h * (i / COLUMNS)。 for (int i=0。 int h = eigenVectArr[0]height。 } (2) 保存源圖片的所有特征向量void FaceRec::storeEigenfaceImages(){ if (nEigens 0) { int COLUMNS = 8。 if (maxValminVal == ) maxVal = minVal + 。minVal, amp。 (srcImgwidth 0 amp。提取出采集的人臉圖片的特征。 識別后報警。 系統(tǒng)的運行流程圖 對圖片進(jìn)行光線補償、將圖片變成灰色、實現(xiàn)圖片對比度增強，二值化變換等一系列預(yù)處理。 更改人員信息(4) 管理人員可以查看當(dāng)前庫內(nèi)的人員信息管理者通過登錄系統(tǒng)后，可以查看庫內(nèi)人員的所有信息。而嵌入式支持的數(shù)據(jù)庫為SQLite數(shù)據(jù)庫，該數(shù)據(jù)庫主要使用在嵌入式環(huán)境下，所以使用SQLite作為該系統(tǒng)的數(shù)據(jù)存儲單元。在對圖片的所有特征進(jìn)行標(biāo)記提取后，將標(biāo)記的數(shù)據(jù)及特征值進(jìn)過計算處理后存入本地數(shù)據(jù)庫中。 人臉檢測界面 特征提取模塊對圖片進(jìn)行特征的提取，根據(jù)以下的步驟進(jìn)行獲?。?1)先進(jìn)行標(biāo)記人眼，來獲取兩眼的距離。)/3)，最大值發(fā)產(chǎn)生亮度很高的黑白圖像。(4)對比度增強對比度增強，就是對圖像的再一次處理，會將對比度進(jìn)一步拉開，通過改變選用的增強函數(shù)的解析表達(dá)式就可以得到不同的處理效果，它針對原始圖像的每一個像素直接對其灰度進(jìn)行處理的，其處理過程主要是通過增強函數(shù)對像素的灰度級進(jìn)行運算并將運算結(jié)果作為該像素的新灰度值來實現(xiàn)的[18]。從而將對圖像的質(zhì)量產(chǎn)生影響。YcrC同時是的顏色空間，它將用在視頻系統(tǒng)中，在顏色空間中，Y分量表示一個像素的亮度，Cr代表的紅色成分，Cb表示藍(lán)色，通常簡稱為Cr和Cb為色度[17]。非線性分段色彩變換得到的皮膚顏色模型，這種類型的色彩空間中的膚色模型的建立必須首先選擇一個合適的色彩空間。 通過系統(tǒng)管理員進(jìn)入系統(tǒng)后則可以操作庫內(nèi)的人員，登錄系統(tǒng)需要用戶名和密碼來進(jìn)入系統(tǒng)，還可以為每個普通用戶增加超級權(quán)限，庫內(nèi)現(xiàn)在進(jìn)行信息的登記，采集的人員圖片數(shù)目為9張圖片，經(jīng)過測試分析，采集9張圖片能夠更好的提高識別精度，增加了庫內(nèi)人員后，需要通過數(shù)據(jù)庫對庫內(nèi)人員進(jìn)行保存，保存的數(shù)據(jù)以二進(jìn)制的形式保存。人臉識別的原理，將人臉圖像投影到一個由若干個最大的特征向量構(gòu)成的子空間，若要顯示某個特定的人臉，通過對這些特征向量加權(quán)求和即可，則根據(jù)定義的閥值來進(jìn)行判斷是否為庫內(nèi)人員[15]?，F(xiàn)在的人臉識別技術(shù)能夠處理一些比較簡單的背景圖片，但是由于環(huán)境等因素的影響，人臉識別技術(shù)就要向更深層次的發(fā)展，以便能夠處理那些具有復(fù)雜背景中的人臉檢測，所以現(xiàn)在的人臉識別技術(shù)是需要不斷的發(fā)展與更新。缺點是它對全局亮度的突然變化非常敏感，如果場景很長時間沒變，則背景分量的變化就非常小，但是全局亮度的突然變化會將整個視頻幀認(rèn)為是前景[12]。通過獲取的背景圖像建立模型，將從當(dāng)前的攝像頭獲取的圖片與該模型進(jìn)行比對，通過這個方式可以得到運動的物體，并進(jìn)行標(biāo)記。中值濾波的實質(zhì)是通過一種計算方式來處理圖片像素差異很大的像素點，即保留那些處于中間的像素值，然后將該像素值作為整個圖像的像素。方法是去某種結(jié)構(gòu)的二維滑動模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。然后，將降噪后視頻圖像再進(jìn)行一些優(yōu)化，對后面進(jìn)行圖片的識別、檢測有很大的幫助。當(dāng)小的窗口移動完整個待檢測圖片沒有發(fā)現(xiàn)目標(biāo)時，我們可以調(diào)整分類器的大小，然后繼續(xù)檢測，直到檢測到目標(biāo)或者窗口與待檢測圖片的大小相當(dāng)為止[7]。對18位的圖片進(jìn)行轉(zhuǎn)換是很復(fù)雜的事情，我們就需要先對圖片進(jìn)行前期的轉(zhuǎn)換，即是將彩色圖片轉(zhuǎn)換為灰度圖片，通過這樣的轉(zhuǎn)換后可以減低數(shù)據(jù)量。計算機通過攝像頭看到的東西要簡單的多，簡單來說，就是一堆由數(shù)字組成的矩陣，這些數(shù)字表明了物體發(fā)出的光的強弱，攝像頭的光敏元件將光信號轉(zhuǎn)化成數(shù)字信號，將其量化為矩陣[5]。 運行環(huán)境需求分析(1)系統(tǒng)運行的硬件環(huán)境CPU：500M以上；內(nèi)存容量：64 M以上。(2)系統(tǒng)軟件的配置方案① 軟件的配置需要有高度集成性，高穩(wěn)定性，能夠運行在嵌入式的平臺下，如Windows2000，Windows NT，UNIX，Linux等。(5)識別功能：從攝像頭獲取的圖片進(jìn)過處理后，將提取的特征值與預(yù)先訓(xùn)練好的目標(biāo)模型進(jìn)行比對，來對當(dāng)前的圖片進(jìn)行識別。本系統(tǒng)的主要具備如下功能：(1)圖像獲取功能：圖片的獲取主要是通過從CMOS或者USB攝像頭來獲取圖像，從CMOS攝像頭獲取的為模擬信號，必須要通過YUV轉(zhuǎn)換得到數(shù)字信號，得到的圖片保存在數(shù)據(jù)庫中。另還裝有攝像頭進(jìn)行圖片采集和識別，該系統(tǒng)主要使用的為CMOS攝像頭，也可使用USB攝像頭來進(jìn)行圖像的采集?；叶染饧夹g(shù)：經(jīng)過灰度轉(zhuǎn)換后，就要進(jìn)行灰度均衡化操作，最后通過灰度分布來對圖像進(jìn)行灰度均衡。光線補償技術(shù)：因為在不同的環(huán)境中，光線對圖像會產(chǎn)生干擾，圖像就會變得或明或暗，我們就要對其進(jìn)行調(diào)整，所以采用光線補償來處理圖像的亮度變化。 國外發(fā)展概況國外很多人從事對人臉檢測與識別問題的研究，主要有著名的MIT,CMU，歐洲，日本等國家，隨著人臉檢測的深入發(fā)展研究，國際上發(fā)表的有關(guān)論文數(shù)量也在大幅度的增加，國外主要從以下幾個方面進(jìn)行研究：(1)模板匹配 (2)示例學(xué)習(xí)(3)神經(jīng)網(wǎng)絡(luò) (4)基于隱馬爾可夫模型的方法(5)基于AdaBoost的人臉識別算法(6)基于彩色信息的方法(7)基于形狀分析的方法攀枝花學(xué)院本科畢業(yè)設(shè)計（論文） 2 系統(tǒng)的需求分析與方案選擇2 系統(tǒng)的需求分析與方案選擇基于OPENCV的人臉識別系統(tǒng)應(yīng)用非常廣泛，人臉識別技術(shù)現(xiàn)已經(jīng)日趨成熟，且現(xiàn)在都具有高可靠性，高識別率等特點，在我國及其他一些國家的專家學(xué)者正處于研究階段，該技術(shù)在不斷的改進(jìn)與更新，以便使系統(tǒng)的識別率達(dá)到新的高度。(2)基于代數(shù)特征的人臉正面自動識別方法。 人臉識別的原理人臉識別技術(shù)股由于受到一些光線，環(huán)境的影響會造成識別的精度不高，現(xiàn)在大多數(shù)都集中研究在正面人臉圖像的識別上，但由于人臉面部表情、拍照角度或拍照光照等條件的變化下，得到的人臉照片中的特征不同，因此使用數(shù)據(jù)庫中存儲的樣本的有限個角度拍攝的照片，去識別任意角度的照片，使識別范圍得到很大的限制。人臉識別技術(shù)采用了視頻數(shù)據(jù)的采集，為采集的數(shù)據(jù)分配PCA空間，將視頻數(shù)據(jù)進(jìn)行格式的轉(zhuǎn)換，將數(shù)據(jù)庫中存儲的視頻數(shù)據(jù)進(jìn)行訓(xùn)練，最后得到一個32位的浮動圖，該技術(shù)具有操作更簡單、直接等優(yōu)點。基于OPENCV的人臉檢測和識別在計算機模式識別與視覺領(lǐng)域中占有重要的地位，人臉檢測和識別利用分析比較人臉特征來進(jìn)行身份鑒定的生物技術(shù)，通過級聯(lián)分類檢測器來進(jìn)行人臉圖片的訓(xùn)練，然后從攝像頭上采集圖片在庫中進(jìn)行比對，如果比對結(jié)果在預(yù)設(shè)的閥值之內(nèi)，則表示識別成功。在國內(nèi)，我們對人臉識別技術(shù)的研究始于20世紀(jì)90年代，主要用在公共安全領(lǐng)域、智能家居、金融管理、物業(yè)管理、以及網(wǎng)絡(luò)安全和考勤等方面。在生物識別技術(shù)中人臉識別是運用最為廣泛的技術(shù)，對圖像進(jìn)行處理主要用到，光線補償技術(shù)、高斯平滑技術(shù)和二值化技術(shù)等。該系統(tǒng)能夠進(jìn)行長時間的運行并測試穩(wěn)定，在程序中提供了統(tǒng)一的接口以并進(jìn)行二次開發(fā)?；贠PENCV的人臉檢測與識別系統(tǒng)在計算機模式計算和模式識別等方面具有極其重要的作用。在基于人臉識別，圖像壓縮，視頻監(jiān)控，運動物體檢測等方面有著更重要的應(yīng)用價值。關(guān)鍵詞：人臉檢測，人臉識別，級聯(lián)分類檢測器I攀枝花學(xué)院本科畢業(yè)設(shè)計（論文）