MFC下利用OpenCV进行人脸检测的研究与实现
第３１卷第６期 佳木斯大学学报（自然科学版） Ｖｏｌ．３１Ｎｏ．６ ２０１３ 年１１月 ＪｏｕｒｎａｌｏｆＪｉａｍｕｓｉＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｎｏｖ． ２０１３文章编号：１００８－１４０２（２０１３）０６－０８９５－０４
ＭＦＣ下利用ＯｐｅｎＣＶ进行人脸检测的研究与实现①
程 舰
（大连海事大学信息科学技术学院，辽宁大连１１６０２６）
摘 要： 为了实现对人脸检测的目的，本文采用基于ＭＦＣ框架下使用ＯｐｅｎＣＶ视觉库的方法．文章重点分析了一种人脸检测中使用的特征分类算法：Ａｄａｂｏｏｓｔ算法．文中阐述了该算法的原理，图文并茂地展示了如何在实际中利用人脸库结合Ａｄａｂｏｏｓｔ算法来训练分类器，并生成ＸＭＬ文件．在ＶＣ６．０下，搭建了人脸检测的界面，利用ＯｐｅｎＣＶ的函数调用训练所生成的ＸＭＬ文件，实现了在本地选择图片并对其进行人脸检测的功能．此外，系统还支持读取本地ＡＶＩ格式视频和从摄像头捕捉到的视频，可手动截取一帧图片进行人脸检测．实验结果表明该设计方案具有较高的准确性和稳定性，基本达到预期的效果．
关键词： ＡｄａＢｏｏｓｔ；人脸检测；ＯｐｅｎＣＶ；ＭＦＣ
中图分类号： ＴＰ３９１．４ 文献标识码： Ａ
０ 引 言
人脸检测的目的是在给定的一副图像上将人脸部分定位出来，这种技术涉及了计算机图形学、生物学等领域的相关技术．人脸检测的本质是对人脸进行建模，提取样本中的人脸特征信息，比较待检测图像与模型的匹配度，来判断待检测图像中是否存在人脸．根据检测原理和方法的不同，人脸检测方法分为基于特征统计模型和基于特征两种检测方法．本文所采用的是Ａｄａｂｏｏｓｔ方法，其属于人脸检测方法中的统计方法．这些算法设计到图形学中很多繁琐的计算，如全部靠程序员手动编写，工作量非常大．本文设计的系统采用了Ｃ＋＋中的
ＯｐｅｎＣＶ计算机视觉函数库中的一些函数．并以ＶｉｓｕａｌＣ＋＋６．０作为开发环境．
１ Ａｄａｂｏｏｓｔ算法原理及其在人脸检
测中的运用
Ａｄａｂｏｏｓｔ算法是通过ｂｏｏｓｔｉｎｇ算法改进而来
的［１］，ｂｏｏｓｔｉｎｇ算法是一种通用的学习算法［２］，这
一算法可以提升任意给定的学习算法的性能［３］，
其思想源于１９８４年Ｖａｌｉａｎｔ提出的“可能近似正
确”－ＰＣＡ（ＰｒｏｂａｂｌｙＡｐｐｒｏｘｉｍａｔｅｌｙＣｏｒｒｅｃｔ）学习模型［４］．它是一种将弱分类器通过某种结合方式结合起来得到一个分类器性能大幅度提高的强分类器的分类方法［５］．
２００１年，Ｖｉｏｌａ等人提出了基于ＡｄａＢｏｏｓｔ算法的人脸检测框架［６］，此后越来越多的学者开始研究这个领域，通过不断的完善，目前他们构建的这个检测框架可对图像中的人脸进行快速的检测，正确率也很高．在ＡｄａＢｏｏｓｔ算法的训练工程中，每个
Ｈａａｒ特征都被当做一个弱分类器，然而，仅有一部分Ｈａａｒ特征能够描述人脸灰度分布的一些特点．因此ＡｄａＢｏｏｓｔ算法在训练过程中必须攻克的一个难题是：采取合适恰当的方法从众多的Ｈａａｒ特征中筛选出最优的Ｈａａｒ特征，并利用该特征制作成人脸检测中所使用的分类器．
２ ＷｉｎｄｏｗｓＸＰ下训练．ｘｍｌ文件
本文中人脸检测使用的方法是ｈａａｒ＋Ａｄａ－Ｂｏｏｓｔ，前提是要训练好级联分类器．机器学习前要训练很多人脸数据，本文采用从网上下载的Ｙａｌｅ大学的人脸数据库，即将它们当做训练的正样本使用．该人脸数据库是由Ｙａｌｅ大学的计算视觉与控制中心所创建，其中涵盖了１５名志愿者每人１１张，共１６５张头像照片，本文使用其中的１３３张作为正样本，其余２２张用来做测试，如图１所示：
①收稿日期：２０１３－１０－１８
作者简介：程舰（１９９１－），男，辽宁海城人，大连海事大学计算机科学与技术系硕士研究生在读，嵌入式系统方向．
佳木斯大学学报（自然科学版）２０１３年
Ｙａｌｅ大学人脸数据都是ｂｍｐ格式的，８０倡８０像素大小．这个算法训练的时间非常长，图片不到１０００就需要的时间都是以天为单位．所以为了减
少训练时间，减小图片的尺寸，我们可以利用ＡＣＤ－
ｓｅｅ软件将８０倡８０的图片统一到尺寸２４倡２４像素大小．最后所得的图片截图如２
所示：
图１
Ｙａｌｅ人脸数据库部分图像截图
图２ 尺寸归一化后部分图像的截图
本文采用的负样本是ｗｅｉｚｍａｎｎ团队网站上
的图像分割数据库，选取其中２００张的灰度图，这些图片基本都没有人脸．至此正负样本的图片都已准备好，首先建立名为ｐｏｓ＿ｉｍａｇｅ的文件夹放入正样本，建立名为ｎｅｇ＿ｉｍａｇｅ的文件夹放入负样本，建立名为ｔｅｓｔ＿ｉｍａｇｅ的文件夹放入测试样本，并将ｏｐｅｎｃｖ安装目录下的ｏｐｅｎｃｖ＿ｈａａｒｔｒａｉｎｉｎｇ．ｅｘｅ和ｏｐｅｎｖ＿ｃｒｅａｔｅｓａｍｐｌｅｓ．ｅｘｅ两个文件也拷贝过来．
首先建立正样本描述文件，打开ｃｍｄ窗口，进入ｐｏｓ＿ｉｍａｇｅ文件夹内，使用ｄｉｒ／ｂ＞ｐｏｓ＿ｉｍａｇｅ．ｔｘｔ，且用ｅｄｉｔｐｌｕｓ打开该文件，删除最后一行，最后将名字归一化如图３所示：
负样本描述文件的建立类似，文件命名为ｎｅｇ＿ｉｍａｇｅ．ｔｘｔ．接下来创建ｖｅｃ文件时，需将ｐｏｓ＿ｉｍ－ａｇｅ．ｔｘｔ和ｎｅｇ＿ｉｍａｇｅ．ｔｘｔ两个样本描述文件剪切到上一目录，然后利用ｏｐｅｎｃｖ＿ｃｒｅａｔｅｓａｍｐｌｅｓ．ｅｘｅ应用程序在该目录下使用如下ｃｍｄ命令：ｏｐｅｎｃｖ＿ｃｒｅ－ａｔｅｓａｍｐｌｅｓ．ｅｘｅ–ｖｅｃｐｏｓ．ｖｅｃ–ｉｎｆｏｐｏｓ＿ｉｍａｇｅ．ｔｘｔ–ｂｇｎｅｇ＿ｉｍａｇｅ．ｔｘｔ–ｗ２４–ｈ２４–ｎｕｍ１５４
其中的－ｖｅｃ是指定后面输出ｖｅｃ文件的文件名，－ｉｎｆｏ指定正样本描述文件，－ｂｇ指定负样本描述文件，－ｗ和－ｈ分别指正样本的宽和高，－ｎｕｍ表示正样本的个数．执行完该命令后就会在当前目录下生产一个ｐｏｓ．ｖｅｃ文件了．
接下来在当前目录下新建一个ｘｍｌ文件夹用于存放生成的．ｘｍｌ文件．在当前目录使用ｃｍｄ命
６９８
第６期程 舰：ＭＦＣ下利用ＯｐｅｎＣＶ进行人脸检测的研究与实现
令：Ｏｐｅｎｃｖ＿ｈａａｒｔｒａｉｎｉｎｇ．ｅｘｅ–ｄａｔａｘｍｌ–ｖｅｃｐｏｓ．
ｖｅｃ–ｂｇｎｅｇ＿ｉｍａｇｅ．ｔｘｔ–ｎｓｐｌｉｔｓ１–ｓｙｍ–ｗ２４–ｈ２４–ｍｏｄｅａｌｌ–ｍｅｍ１８７０．
图３ 正样本描述文件名字归一化操作的部分截图
其中－ｄａｔａ为输出ｘｍｌ中间文件的位置，－ｓｙｍ表示训练的目标为垂直对称，－ｎｓｐｌｉｔｓ１表示使用简单的ｓｔｕｍｐｃｌａｓｓｆｉｅｒ分类．－ｍｅｍ１８７０表示允许使用计算机的１８７０Ｍ内存，－ｍｏｄｅａｌｌ表示使用ｈａａｒ特征集的种类既有垂直的，又有４５度角旋转的．训练好之后在当前目录下生产了一个ｘｍｌ．ｘｍｌ文件，将其重名名为ｆａｃｅ＿ｔｅｓｔ．ｘｍｌ．
图４ 人脸检测效果图３ 在ＶｉｓｕａｌＣ＋＋６．０中人脸检测的实现
本系统创建的工程为ＭＦＣＡｐｐＷｉｚａｒｄ，选择基本对话框的应用程序类型，对话框类命名为：ＣＡｄ－
ａｂｏｏｓｔＦａｃｅＤｌｇ．系统的功能主要编写在以下几个函数：ＯｎＰｒｅｖｉｅｗ（），利用ＯｐｅｎＣＶ库中的ｃｖＣａｐｔｕｒｅ－ＦｒｏｍＣＡＭ（）、ｃｖＱｕｅｒｙＦｒａｍｅ（）函数从摄像头中截图一副图像；ＯｎＣｈｅｃｋｆａｃｅ（），利用ＣｖＨａａｒＣｌａｓｓｉ－ｆｉｅｒＣａｓｃａｄｅ（）函数加载之前生成的ｆａｃｅ＿ｔｅｓｔ．ｘｍｌ文件，供检测人脸使用；ｄｅｔｅｃｔ＿ａｎｄ＿ｄｒａｗ（ＩｐｌＩｍａｇｅ倡ｔｉｍｇ），此函数为人脸检测的核心函数，其核心代码如下：
ｖｏｉｄｄｅｔｅｃｔ＿ａｎｄ＿ｄｒａｗ（ＩｐｌＩｍａｇｅ倡ｉｍｇ）
｛
………………………………………………
……………
ｃｖＣｖｔＣｏｌｏｒ（ｉｍｇ，ｇｒａｙ，ＣＶ＿ＢＧＲ２ＧＲＡＹ）； ／／将彩色图像转换为灰度图像
ｃｖＲｅｓｉｚｅ（ｇｒａｙ，ｓｍａｌｌ＿ｉｍｇ，ＣＶ＿ＩＮＴＥＲ＿ＬＩＮＥ－ＡＲ）； ／／调整图像大小
ｃｖＥｑｕａｌｉｚｅＨｉｓｔ（ｓｍａｌｌ＿ｉｍｇ，ｓｍａｌｌ＿ｉｍｇ）； ／／使用灰度图像直方图均衡化
７９８
佳木斯大学学报（自然科学版）２０１３年
ｉｆ（ｃａｓｃａｄｅ）
｛
／倡函数ｃｖＨａａｒＤｅｔｅｃｔＯｂｊｅｃｔｓ检测图像中的目标，由ＯｐｅｎＣＶ提供倡／
ＣｖＳｅｑ倡ｆａｃｅｓ＝ｃｖＨａａｒＤｅｔｅｃｔＯｂｊｅｃｔｓ（ｓｍａｌｌ＿ｉｍｇ，ｃａｓｃａｄｅ，ｓｔｏｒａｇｅ，１．１，２，０，ｃｖＳｉｚｅ（３０，３０））；ｆｏｒ（ｉｎｔｉ＝０；ｉ＜（ｆａｃｅｓ？ｆａｃｅｓ－＞ｔｏｔａｌ：０）；ｉ＋＋）
｛
…………………………………………………ｃｖＣｉｒｃｌｅ（ｉｍｇ，ｃｅｎｔｅｒ，ｒａｄｉｕｓ，ｃｏｌｏｒｓ［ｉ％８］，３，８，０）； ／／在检测到的人脸处用圆圈标记｝
实现人脸检测并在检测到的头部位置画红色的圆圈示意．运行结果如图４：
实验结果表明，本次实验利用ＭＦＣ所搭建的平台能够准确无误的捕捉到摄像头，并且可以通过手动截取到一帧图片，然后利用Ｃ＋＋的ＯｐｅｎＣＶ库函数加载按照本文的方法所训练的训练分类器．ｘｍｌ文件进行人脸检测．检测结果表明，按照本文的方法可以较准确地检测出人脸，证明训练方法正确可行．
４ 结 语
本文介绍了如何在ＭＦＣ下利用ＯｐｅｎＣＶ库函数来搭建进行人脸检测系统，重点阐述了Ｈａａｒ＋ＡｄａＢｏｏｓｔ分类器的训练过程．实验结果表明，本文的设计方案具有较高的准确性和稳定性，基本达到预期的效果．但是本系统仍有可以完善的地方，主要分为两点：一是训练分类器的样本数目不够大；二是当视频上的图像可能会有外界因素影响（强光、抖动等），可以加入消抖、去阴影等算法．
参考文献：
［１］ 江林升．利用ＯｐｅｎＣＶ实现人脸检测［Ｊ］．电脑编程技巧与维护．２００９，（１１）：６２－６４．
［２］ ＢＥＲＮＤＨＥＩＳＥＬＥ，ＴＨＯＭＳＳＥＲＲＥＢ，ＳＡＭＰＲＥＮＴＩＣＥＢ．Ｈｉ－ｅｒａｒｃｈｉｃａｌＣｌａｓｓｉｆｉｃａｔｉｏｎａｎｄＦｅａｔｕｒｅＲｅｄｕｃｔｉｏｎｆｏｒＦａｓｔＦａｃｅＤｅ－ｔｅｃｔｉｏｎｗｉｔｈＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓ［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｎｇｎｉｔｉｏｎ，
２００３，３６（９）：２００７－２０１３．
［３］ 左登宇．基于ＡｄａＢｏｏｓｔ算法的人脸检测研究［Ｄ］．合肥：中国科学技术大学，２００９．
［４］ 唐渝．人脸实时监测技术研究与实现［Ｄ］．重庆：重庆大学，２０１２．
［５］ 崔晓青．基于ＡｄａＢｏｏｓｔ算法的人脸检测系统的研究与实现［Ｄ］．长春：吉林大学，２００８．
［６］ ＢＲＡＤＳＫＩＧＡＲＹ，ＫＡＥＢＬＥＲＡＤＲＩＡＮ．ＬｅａｒｎｉｎｇＯｐｅｎＣＶ［Ｍ］．北京：清华大学出版社，２００９．
ＴｈｅＲｅｓｅａｒｃｈａｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｎＦａｃｅＤｅｔｅｃｔｉｏｎｗｉｔｈ
ＯｐｅｎＣＶＢａｓｅｄｏｎＭＦＣ
ＣＨＥＮＧＪｉａｎ
（ＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＩｎｓｔｉｔｕｔｅ，ＤａｌｉａｎＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙ，Ｄａｌｉａｎ１１６０２６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ： Ｉｎｏｒｄｅｒｔｏｄｅｔｅｃｔｈｕｍａｎｆａｃｅｓ，ｔｈｅｍｅｔｈｏｄｏｆＯｐｅｎＣＶｖｉｓｉｏｎｌｉｂｒａｒｙｂａｓｅｄｏｎｔｈｅＭＦＣｆｒａｍｅ－ｗｏｒｋｗａｓｕｓｅｄ．Ｉｔｗａｓｆｏｃｕｓｅｄｏｎａｎａｌｙｚｉｎｇａｋｉｎｄｏｆｆｅａｔｕｒｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｗｈｉｃｈｉｓｕｓｅｄｉｎｆａｃｅｄｅｔｅｃ－ｔｉｏｎ，ｎａｍｅｄＡｄａｂｏｏｓｔａｌｇｏｒｉｔｈｍ．Ｔｈｅｐｒｉｎｃｉｐｌｅｏｆｔｈｅａｌｇｏｒｉｔｈｍｗａｓｄｅｓｃｒｉｂｅｄａｎｄｈｏｗｔｏｕｓｅｆａｃｅｄａｔａｂａｓｅｃｏｍ－ｂｉｎｅｄｗｉｔｈＡｄａｂｏｏｓｔａｌｇｏｒｉｔｈｍｔｏｔｒａｉｎｔｈｅｃｌａｓｓｉｆｉｅｒｉｎｐｒａｃｔｉｃｅｗａｓｄｉｓｃｕｓｓｅｄ．Ａｎｄｔｈｅｎ，ｄｕｒｉｎｇｔｈｅｔｒａｉｎｉｎｇ，ｓｏｍｅＸＭＬｄｏｃｕｍｅｎｔｓｗｅｒｅｇｅｎｅｒａｔｅｄ．ＵｎｄｅｒｔｈｅｅｎｖｉｒｏｎｍｅｎｔｏｆＶｉｓｕａｌｃ＋＋６．０，ａｆａｃｅｄｅｔｅｃｔｉｏｎｉｎｔｅｒｆａｃｅｗａｓｂｕｉｌｔａｎｄｔｈｅｆｕｎｃｔｉｏｎｓｏｆＯｐｅｎＣＶｗｅｒｅｕｓｅｄｔｏｃａｌｌｔｈｅＸＭＬｄｏｃｕｍｅｎｔｓ．Ｔｈｅｎｕｓｅｒｓｃａｎｃｈｏｏｓｅｌｏｃａｌｉｍａ－ｇｅｓｆｏｒｆａｃｅｄｅｔｅｃｔｉｏｎ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｓｙｓｔｅｍａｌｓｏｓｕｐｐｏｒｔｓｔｏｒｅａｄｔｈｅＡＶＩｆｏｒｍａｔｖｉｄｅｏｃａｐｔｕｒｅｄｆｒｏｍｔｈｅｃａｍ－ｅｒａ．Ａｎｄｕｓｅｒｓｃａｎｍａｎｕａｌｌｙｃａｐｔｕｒｅａｐｉｃｔｕｒｅｆｏｒｆａｃｅｄｅｔｅｃｔｉｏｎ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｄｅｓｉｇｎｈａｓａｈｉｇｈａｃ－ｃｕｒａｃｙａｎｄｓｔａｂｉｌｉｔｙ，ｅｓｓｅｎｔｉａｌｔｏａｃｈｉｅｖｅｔｈｅｄｅｓｉｒｅｄｅｆｆｅｃｔ．
Ｋｅｙｗｏｒｄｓ： ＡｄａＢｏｏｓｔ；ｆａｃｅｄｅｔｅｃｔｉｏｎ；ＯｐｅｎＣＶ；ＭＦＣ
８９８
MFC下利用OpenCV进行人脸检测的研究与实现
作者：程舰， CHENG Jian
作者单位：大连海事大学信息科学技术学院,辽宁 大连,116026
刊名：
佳木斯大学学报（自然科学版）
英文刊名：Journal of Jiamusi University (Natural Science Edition)年，卷(期)：2013(6)
本文链接：https://www.360docs.net/doc/397327476.html,/Periodical_jmsdxxb201306022.aspx
基于opencv的人脸识别程序-代码详解
#include "cv.h" #include "highgui.h" #include
[作业]OPENCV人脸识别
摘要 人脸检测主要是基于计算机识别的一项数字化技术，用以准确获取人的脸部大小和位置信息，在进行人脸检测时，突出主要的脸部特征，淡化次要的环境、衣着等因素。对于某些情况下，人脸检测也可以计算出人脸，如眼睛，鼻子和嘴等精确的微妙特征。由于在安全检测系统，医学，档案管理，视频会议和人机交互等领域人脸检测系统都有光明的应用前景，因此人脸检测逐渐成为了两个跨学科领域研究的热门话题:人工智能和当前模式识别。本文基于OpenCV视觉库具体的设计并开发了对数字图像中的人脸检测的程序，所采用的人脸检测的原理主要是分类器训练模式(Adaboost算法)提取Haar特征的方法。它在整个软件极其重要的作用，图像中人脸的准确定位和识别都受图像处理好坏的直接影响。本次所设计的软件在图像处理部分所采用的方法是基于Adaboost算法进行Haar特征的提取，在此之上加以通过积分图方法来获取完整的级联分类器结构，进行人脸检测时，OpenCV级联分类器通过Adaboost人脸检测算法进行训练，此后采用不同情况下的实验样本完成精确定位以及检测试验。经过代码的设计和调试，在最后的测试中针对数字图像进行的人脸检测和定位达到了较好的效果，提高了定位和识别的正确率。 关键词：人脸检测，AdaBoost，分类器，OpenCV
Abstract Face detection is mainly based on computer recognition of a digital technology,face size and location information to accurately obtain the person,during face detection, highlight the main facial features,dilute the secondary environment,clothing,and other factors.For some cases,face detection can also calculate a person's face,such as eyes, nose and mouth,and other subtle features accurate.Because in the field of human security detection systems,medical records management,video conferencing,and human-computer interaction face detection system has bright prospects,and therefore face detection is becoming a two interdisciplinary research fields hot topic:artificial intelligence and The current pattern recognition.This article is based.penCV vision library designed and developed specifically for digital image face detection process,the principles used face detection methods are mainly classifier training mode(Adaboost algorithm)to extract Haar features.It is in the vital role of the software,the image of the human face accurately locate and identify all that is good or bad a direct impact on the image processing.This software is designed image processing method used in part based Haar Adaboost algorithm to extract features,on top of this to be to get the full cascade classifier structure by integrating the diagram method for face detection,OpenCV cascade classifier is trained by Adaboost face detection algorithm,then the use of the experimental sample under different circumstances for accurate positioning and testing.Through design and debugging code,face detection and location in the final test for digital images to achieve better results and improve the accuracy of positioning and recognition. Keywords:face detection;AdaBoost;classifier;openCV
基于Opencv的人脸检测源程序(附详细使用说明)
基于Opencv的人脸检测程序 我的电脑上是用visual studio 2015，配置opencv2.4.9，visuanl studio加载opencv的方法百度上可以找到很多，按照要求配置好后以后进行一下操作： 第一步：新建win32应用程序的工程，在该工程以下程序复杂被覆盖win32的几行程序， #include"stdafx.h" #include"opencv2/objdetect.hpp" #include"opencv2/videoio.hpp" #include"opencv2/highgui.hpp" #include"opencv2/imgproc.hpp" #include
基于Opencv的视频人脸检测程序源代码(可运行)
1．打开Microsoft Visual Studio 2008，新建一个Win32控制台项目； 2．配置好项目的包含文件和库文件； 3．将……\OpenCV\data\haarcascades中的haarcascade_frontalface_alt.xml拷贝到所建项目的文件夹中； 4．然后添加代码： #include"stdafx.h" #include"cv.h" #include"highgui.h" #include
基于OpenCV的视频人脸识别系统的设计与实现
摘要 基于生物特征识别的身份认证方法和系统研究一直以来都是计算机图形学和模式识别领域研究的热点，其中，由于人脸的稳定性和可见性，针对人脸识别的算法研究和系统应用最为广泛，本文针对校园内实验室和宿舍安全管理需求，设计和实现了一套针对监控视频的基于OpenCV的人脸识别原型系统，开发语言选用C++，全文内容包括： （1）构建了基于OpenCV的视频人脸识别的技术框架。针对实验室和宿舍安全管理需要，构建了基于OpenCV的视频人脸识别的技术框架，能够完成基于视频的实时人脸识别和身份认定； （2）设计了基于OpenCV的视频人脸快速检测算法。人脸检测是人脸识别的前提，本文采用基于OpenCV的快速人脸检测算法实现视频图像中人脸的快速定位和提取； （3）设计了基于AdaBoost算法的视频人脸识别方法。应用AdaBoost算法实现了针对视频流的快速人脸定位和身份识别，能够实现实时身份认定。 系统基于.NET平台设计，使用C++语言进行实现，完成了基于视频的实时人脸身份认定。 关键词：人脸检测； OpenCV；人脸识别； C++； 1
Abstract Based on the research of identity authentication method and system of biometric recognition has been a hot research field of computer graphics, pattern recognition and the stability and visibility, the face, the algorithm research and system applications of face recognition is the most widely, according to the laboratory and dormitory safety management needs of the campus, designed and implemented. A face recognition system based on OpenCV in surveillance video, development language is C++, the main content of this thesis includes: （1）Constructed the technical framework for video based face recognition based on OpenCV. According to the laboratory and the dormitory safety management needs, establishes a framework for video based face recognition based on OpenCV, which can complete real-time face recognition and identity based on video identification; （2）Design of a fast face detection algorithm in video based on OpenCV. Face detection is the precondition of face recognition, this paper uses OpenCV fast face detection algorithm to locate face in video image and extraction based on;The design use application of OpenCV to provide strong support, based https://www.360docs.net/doc/397327476.html, platform design. （3）Design of video based face recognition method based on AdaBoost algorithm. Application of AdaBoost algorithm for fast face location and recognition of video stream, which can realize real-time identification. System based https://www.360docs.net/doc/397327476.html, platform design, implementation is carried out using C++ language, completed the real-time face identity recognition based on video Key word：Face detection；OpenCV；Face recognition；C++；
基于opencv的人脸检测界面开发
摘要 人脸检测（Face Detection）是一种在任意数字图像中找到人脸的位置和大小的计算机技术。它可以检测出面部特征，并忽略诸如建筑物、身体和其他任何东西。人脸检测技术不仅仅是人脸跟踪、人脸识别、表情识别等技术的重要条件，同时在人机交互、模式识别、视频检索、智能监控等领域也引起了广泛的重视。 在通过对人脸检测相关知识进行学习的基础上，本文首先对国内外的人脸检测发展进行了相关分析，阐述了本课题的研究背景及意义；第二章介绍基于Opencv实现人脸检测的相关方法和检测原理；第三章指出了基于QT平台，人脸检测界面如何开发，需要用到的相关技术知识和操作流程。第四章设计了基于opencv的人脸检测程序，采用了QT开发工具并结合opencv技术对程序界面进行设计实现。 关键词：人脸检测；QT开发；Opencv；
Abstract Face detection is a computer technology that identifies human faces in digital images. It can detect facial features and ignore something like buildings,bodies and any other things.Face detection technology is not just an important condition for face recognition, also attracting wide attention in the human-computer interaction, pattern recognition, video retrieval, intelligent monitoring and other fields. Firstly in this paper, through the study of relevant technology of face detection recognition, and face detection to identify relevant experience in the domestic and abroad are analyzed,indicating the background and the significance of the topic.Based on opencv,the second chapter introduces how to realize the design.Then the third chapter points out how to develop face detection’s interface based on the QT platform; The fourth chapter based on opencv face detection procedures, using opencv, the QT development tools,achieve the design. Key Words：Face detection; QT development; Opencv;
基于OpenCV的人脸检测算法研究
第8卷第3期 2009年8月 淮阴师范学院学报(自然科学版)JOURNA L OF HUAIYIN TE ACHERS CO LLEGE (NAT URA L SCIE NCE E DITION ) V ol 18N o 13Aug.2009 基于OpenCV 的人脸检测算法研究 齐金山 (淮阴师范学院计算机科学与技术学院,江苏淮安 223300) 摘 要:介绍了一种开放源代码的计算机视觉类库OpenCv ,阐述了该软件的特点及结构,并对 其在Visual C ++2005开发环境下的配置作了详细的说明.然后提出了一个基于OpenCv 的人 脸检测算法.实验结果表明,该算法具有识别效果、实时性好,检测速度快的特点. 关键词:OpenC V ;人脸检测;I pIImage 中图分类号:TP391.41 文献标识码:A 文章编号:167126876(2009)0320216205 收稿日期:2009205222 作者简介:齐金山(19772),男,湖南株洲人,讲师,硕士,研究方向为数字图像处理. 0 引言 人脸的检测是一类具有很大挑战性的问题[1] ,其主要难点在于:人脸是一类高度非刚性的目标,存在相貌、表情、肤色等差异;人脸上可能会存在一些附属物如眼镜、胡须等;人脸的姿态变化万化,并且可能存在遮挡物;待检测图像性质的差异,比如:待检图像的分辨率、摄录器材的质量等.针对以上难点,各国的科研人员作了很多的研究,每年在国际国内的相关期刊和会议上都有大量的关于人脸检测的论文, 如Chellappa 、Zhao 等人分别于1995和2003年发表的两篇人脸识别的综述论文[2,3].人脸检测的算法也 很多,Boosting 算法[4]是其中的一种,但Boosting 算法十分复杂.本文提出了基于OpenC V 进行人脸检测 将比较容易实现,实验结果表明该算法具有识别效果好、实时性好、检测速度快的特点.1 OpenCv 简介 OpenC V (Open S ource C om puter Vision Library )是指Intel 计算机视觉库[5].它由一系列C 函数和少量 C ++类构成,实现了图像处理和计算机视觉方面的很多通用算法.OpenC V 主要用于对图像进行一些高级处理,比如说特征检测与跟踪、运动分析、目标分割与识别以及3 D 重建等.由于OpenCv 的源代码是完全开放的,而且源代码的编写简洁而高效,特别是其中大部分的函数都已经通过汇编最优化,以使之能高效而充分地利用英特尔系列处理芯片的设计体系,对于Pentium M MX 、Pentium 、Pentium HI 及Pentium 4这些处理器而言,OpenCv 的代码执行效率是非常高的,所以近年来在国外的图像处理相关领域中被广泛地使用,成为一种流行的图像处理软件. 111 OpenCv 的特点 相对于MAT LAB 等其它常用的图像处理软件来说,OpenCv 有其显著的不可比拟的优点,主要体现在如下几个方面: 1)OpenCv 是一个包含了超过300个C 函数的应用编程接口,它不依赖于外部库,既可以独立运行,也可在运行时使用其它外部库. 2)高性能:OpenCv 中所有的算法都是基于封装于IP L 的具有很高灵活性的动态数据结构,而且其中有一半以上的函数在设计及汇编时被Intel 公司针对其所生产的处理器优化. 3)提供了一些与诸如E iC 、Ch 、MAT LAB 等其它语言或环境的接口,这些接口在其安装完之后位于安装目录opener/interfaces 下. 4)开放性:不管对于商业的还是非商业的用途,OpenCv 都是完全免费的,其源代码完全开放,开发
《基于 OpenCV的人脸识别系统》
西安电子科技大学 人工智能学院暑期夏令营科研实践《基于OpenCV的人脸识别系统》 实践报告 姓名：XXX 学校：XXXX 院系班级：XXXXXXXXX 联系方式：XXXX
目录 1 项目背景 (1) 2 项目目标 (1) 3 项目方案 (2) 3.1 人脸采集 (2) 3.2 人脸训练 (3) 3.3 人脸识别 (4) 4 项目调试 (6) 4.1 采集调试 (6) 4.2 训练调试 (6) 4.3 识别调试 (7) 5实践总结 (8)
如何创造一个安全的、数字现代化的、智能化的宿舍门禁系统有着十分重要的意义。然而，在日常管理中我们经常会碰到这样的问题：外来人员混入宿舍带来的安全隐患、夏天未带校园卡而在公寓楼前苦等、宿舍出入口必须有人盯守、晚归被困公寓楼外等等。 在当今计算机普及与急剧增长的状况下，应该实施一些高效率的系统，不仅省钱，省事，而且便捷，针对以上情况，十分有必要建立一个全面、高效、人性化、智能的高校宿舍出入管理系统。 因此，做一个人脸识别系统就非常地有必要！ 2 项目目标 本项目拟完成人脸采集、人脸训练和人脸检测与识别的功能。 人脸采集程序主要完成以下功能： 1. 建立新的文件夹：用户根据提示输入自己姓名的简称，程序会在工程目录下建立该用户的文件夹，用以存放拍摄的照片； 2. 打开摄像头和写入图像：调用笔记本摄像头，当P键按下时，显示当前帧的图像，经处理后，保存图像；当q键按下时，立即退出采集程序 3. 人脸检测与裁剪：在当前帧识别出人脸后将其裁剪至ORL人脸数据 库大小即92x112。 人脸训练程序主要完成以下功能： 1. CSV文件读取：CSV文件对应的图像数据和对应的标签； 2. 样本训练：包括ORL人脸数据库的样本和自己的样本。 人脸训练样本取自ORL人脸数据库，共40个人，每人10张照片。照片在不同时间、不同表情(睁眼闭眼、笑或者不笑)、不同人脸细节(戴眼镜或者不戴眼镜)下采集，所有的图像都在一个黑暗均匀的背景下采集的，正面竖直人脸(有些有轻微旋转)。此外，增加自己的样本，并以相同尺寸拍摄20张左右图像。 人脸识别与检测程序主要完成以下功能： 1. 人脸检测：识别出当前帧是否有人脸； 2. 人脸预测：根据训练结果判断当前帧中人脸是否属于样本集； 3. 姓名显示：若属于样本集则显示姓名缩写，否则，显示“0”。
基于OpenCV的人脸识别设计方案
基于OpenCV的人脸识别设计方案 导读: 本文提出了一种在Linux 平台下开发脸识别系统的方案，通过QT 来开发用户界面，调用OpenCV 图像处理库对相机进行采集和处理采集图像， 从而实现了人脸检测、身份识别、简单表情识别的功能。 人脸识别的研究可以追溯到上个世纪六、七十年代，经过几十年的曲折发展 已日趋成熟，构建人脸识别系统需要用到一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等。而人脸识别在基于 内容的检索、数字视频处理、视频检测等方面有着重要的应用价值，可广泛应 用于各类监控场合，因此具有广泛的应用前景。OpenCV 是Intel 公司支持的开 源计算机视觉库。它轻量级而且高效--由一系列 C 函数和少量C++ 类构成， 实现了图像处理和计算机视觉方面的很多通用算法，作为一个基本的计算机视觉、图像处理和模式识别的开源项目，OpenCV 可以直接应用于很多领域，其 中就包括很多可以应用于人脸识别的算法实现，是作为第二次开发的理想工具。 1 系统组成 本文的人脸识别系统在Linux 操作系统下利用QT 库来开发图形界面，以OpenCV 图像处理库为基础，利用库中提供的相关功能函数进行各种处理：通 过相机对图像数据进行采集，人脸检测主要是调用已训练好的Haar 分类器来 对采集的图像进行模式匹配，检测结果利用PCA 算法可进行人脸图像训练与 身份识别，而人脸表情识别则利用了Camshift 跟踪算法和Lucas–Kanade 光流算法。 2 搭建开发环境 采用德国Basler acA640-100gc 相机，PC 机上的操作系统是Fedora 10，并
基于OpenCV的人脸识别算法研究
基于OpenCV的人脸识别算法研究 摘要:通过对基于Adaboost人脸检测算法的研究，利用该算法与计算机视觉类库openCV进行人脸检测系统的设计，实现了对出现在视频或图像中的人脸检测。此外，在VC++6.0环境下实现了对一个简单的人脸检测系统软件的界面开发，该系统对人脸检测的速度较快，检测结果较为准确，可以作为其他人脸检测或人脸模式识别的系统的开发基础。 关键词：人脸检测；openCV；Adaboost；系统 Face detection system design based on openCV Abstract: According to the research of Adaboost algorithm of Face Detection，people made use of the algorithms and computer vision class library openCV for the design of face detection system and achieved the target of detecting faces showing up in videos and pictures. What’s more，in the environment of VC++6.0，it achieved the development of simple Face Detection. The speed of Face Detection is very fast and the test results are accurate. It can be used as the development foundation of other face detection or face pattern recognition system. Key words: face detection；openCV；Adaboost；system 1.引言 随着计算机与数字信号处理技术的高速发展，人脸检测技术在众多领域得到广泛应用。人脸检测技术是指在视频或图像中检测出现人脸位置、大小的过程。作为人脸信息处理中的一项关键技术，人脸检测技术已经超出了其它人脸识别模式的应用范畴，在视频处理、图像处理、身份验证、安全监测等方面有着重要的应用价值。随着计算机语言算法的发展，近年来出现了大量的人脸检测的算法，其中能够较好的解决人脸的检测速度与检测效果的算法，是在2001年由Paul Viola和Michael Jones首先提出的Adaboost算法。openCV是由Intel 提供的一系列包括C与C++的提供计算机视觉和图像处理的开源软件包，它为视频或图像处理搭建了很好的软件平台。本系统就是基于openCV利用Adaboost算法设计的一个简单的人脸检测系统#该系统能够快速&准确的检测到图像或视频中的人脸。 2.AdaBoost人脸检测算法 对人脸检测的研究最初可以追溯到20世纪70年代，早期的研究方向与现在的研究方向与方法不同。目前在实际中应用的人脸检测方法较为普遍的是基于Adaboost算法的方法。 Viola的人脸检测方法是一种基于积分图、级联分类检测器和Adaboost算法的方法，方法框架可以分为以下3大步骤： 1）使用Haar-like特征表示人脸，使用“积分图”实现特征数值的快速计算； 2）使用Adaboost算法挑选出一些最能代表人脸的矩形特征（弱分类器），按照加权投票的方式将弱分类器构造为一个强分类器； 3）将得到的若干强分类器串联组成一个级联结构的层叠分类器，训练得到的强级联结构能有效地提高分类器的检测速度。
怎样使用OpenCV进行人脸识别
怎样使用OpenCV进行人脸识别 本文大部分来自OpenCV官网上的Face Reconition with OpenCV这节内容 (https://www.360docs.net/doc/397327476.html,/modules/contrib/doc/facerec/facerec_tutorial.html)，小弟我尝试翻译一些重要内容。这部分内容是Philipp Wagner写的，他的github：https://https://www.360docs.net/doc/397327476.html,/bytefish，他的网站http://www.bytefish.de/，应该是个德国人。下面应该是他的照片。 友情提示，要看懂代码前，你得先知道OpenCV的安装和配置，会用C++，用过一些OpenCV函数。基本的图像处理和矩阵知识也是需要的。[gm:我是箫鸣的注释]由于我仅仅是翻译，对于六级才过的我，肯定有一些翻译错的或者不当的地方，所以请大家纠错。 1.1.介绍Introduction 从OpenCV2.4开始，加入了新的类FaceRecognizer，我们可以使用它便捷地进行人脸识别实验。本文既介绍代码使用，又介绍算法原理。(他写的源代码，我们可以在OpenCV的 opencv\modules\contrib\doc\facerec\src下找到，当然也可以在他的github中找到，如果你想研究源码，自然可以去看看，不复杂) 目前支持的算法有 Eigenfaces特征脸createEigenFaceRecognizer() Fisherfaces createFisherFaceRecognizer() Local Binary Patterns Histograms局部二值直方图createLBPHFaceRecognizer() 下面所有的例子中的代码在OpenCV安装目录下的samples/cpp下面都能找到，所有的代码商用或者学习都是免费的。
毕业设计：基于OpenCV的人脸识别算法(终稿)-精品
安徽工业大工商学院 毕业学士论文 基于OpenCV的人脸识别算法 姓名：陈滔 申请学位级别：学士专业：测控技术与仪器 指导教师：方挺
摘要 人脸在社会交往中扮演着十分重要的角色，是人类在确定一个人身份时所采用的最普通的生物特征，研究人脸跟踪识别及其相关技术具有十分重要的理论价值和应用价值。彩色图像序列的人脸检测、跟踪与识别技术是随着计算机技术的高速发展和视频监控等应用的需要在近几年才逐渐成为一个研究热点。本文着重构建一套人脸跟踪识别系统，致力于精确实时地对彩色视频中的人脸图像检测跟踪，并可以将跟踪到的人脸图片传输到识别端进行身份识别。系统分为客户端和服务器两部分。针对传统Camshifl跟踪算法进行形态学处理、分配多个跟踪器等改进后的算法应用于客户端进行多人脸的跟踪。服务器端首先将人脸图像按其主要特征进行分块，再对分块图执行Eigenface算法实现人脸身份的识别。这套系统完成了对多人脸的跟踪效果，可广泛的应用于各种安防系统之中如：ATM机监控系统，门禁系统等。
Abstract Human face is 0111"primary 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 tocommitted toaccurate and real-timecolorvideoimages，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
基于OPENCV的人脸识别程序 代码详解
#include"cv.h" #include"highgui.h" #include
OpenCV利用摄像头人脸识别
?Introduction 网上存在很多人脸识别的文章，这篇文章是我的一个作业，重在通过摄像头实时采集人脸信息，进行人脸检测和人脸识别，并将识别结果显示在左上角。 利用OpenCV 实现一个实时的人脸识别系统，人脸库采用ORL FaceDatabase (网上下载) ，另外在数据库中增加了作业中自带的20张照片和自己利用摄像头采集到的10张照片，系统利用摄像头实时的采集到场景图像，从中检测出人脸用方框标出，并利用提供的数据库进行人脸识别，并在图像左上角显示相匹配的数据库图片。 ?Method 算法流程分两步，分别是人脸检测和人脸识别。人脸检测使用的是ViolaJones 人脸检测方法，利用样本的Haar-like 特征进行分类器训练，得到级联boosted 分类器，加载训练好的人脸分类器，利用分类器在视频帧中查找人脸区域；人脸识别利用了局部二进制模式直方图。 ?Haar-like 特征 Haar-like 特征如下图所示 图1 Haar-like 特征 ?LBPH 人脸识别常用的方法有三种，Eigenfaces、Fisherfaces 和LBPH；对于高维的图像空间，我们首先应该进行降维操作。LBP 不把图像看做高维的矢量，而是通过物体的局部特征来描述。 将每个像素和其相邻像素对比形成局部的结构，把该像素看做中心，并以该值对邻接像素做阈值处理，如果临界像素的亮度大于该像素则为 1 否则为0，这样每个像素点都可以用一个二进制数来表示，比如一个使用3*3 临界点的LBP 操作如下图所示： 图2 LBP
?Implementation ?识别训练 利用准备好的数据库进行识别训练：首先我们利用Opencv安装文件中的python脚本 create_csv.py建立CSV文件，文件中每条记录如：orl/s13/2.pgm;12，分号之前是图片所存路径，而分号之后是图片的标签号，每一组图片对应着唯一的标签号；之后利用代码中的train_data和read_csv函数对数据集进行训练。使用到的OpenCV 类和函数有： FaceRecognizer，createLBPHFaceRecognizer ?人脸检测 运用Opencv安装文件中的haarcascade_frontalface_alt.xml文件，使用分类器在视频帧中查找人脸区域，并用绿色方框标出。用到的OpenCV 类和函数有： CascadeClassifier,detectMultiScale。 ?人脸识别 读取训练好的yaml文件，对每个监测到的区域的图像分类，并在视频帧人脸区域上方显示分类结果（分类结果显示为标签和可信度），在左上角显示缩略图。用到的OpenCV 函数主要有:predict. ?Code 1/*头文件：*/ 2 #include "opencv2/core/core.hpp" 3 #include "opencv2/contrib/contrib.hpp" 4 #include "opencv2/highgui/highgui.hpp" 5 #include "opencv2/imgproc/imgproc.hpp" 6 #include "opencv2/objdetect/objdetect.hpp" 7 8 #include