基于OpenCV的人脸检测系统设计与实现说明书Word格式文档下载.docx

基于OpenCV的人脸检测系统设计与实现说明书Word格式文档下载.docx

《基于OpenCV的人脸检测系统设计与实现说明书Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《基于OpenCV的人脸检测系统设计与实现说明书Word格式文档下载.docx（35页珍藏版）》请在冰豆网上搜索。

本文研究了基于Adaboost的人脸检测算法以后，发觉尽管它具有具有很强的实时性，但当采样照片的背景色彩较为复杂或光照较强时，该方式容易在周围环境景物中识别到错误的”人脸”，人脸检测率，错检率等指标不是很理想。

关键词：

OpenCV，人脸检测及追踪，AdaBoost算法，Haar特点

DesignandimplementationoffacedetectionsystembasedonOpenCVAuthor:

ChenJiangYing

Tutor:

WangHongYong

Abstract

Currently,humanfacedetectionandtrackinghasbecomeoneofthemostactiveandchallengingtasksinthefieldofComputerVisionandPatternRecognition.Ithasgreatapplicationvalueinsuchfieldsaspersonalidentification,informationsecurity,electroniccommerce,content-basedimageandvideoretrieval,videosurveillance,intelligenthuman-machineinteraction,visualcommunication,virtualreality,criminalarchiveadministration,etc.

Facedetectionisthefirststepoffacerecognition,anditsaimistodetecthumanfacesfromthebackgroundofimage.It’sanimportantstepinthefieldoffacerecognition,videotrackingandhumanfaceimagecompression,etc.However,theresultoffacedetectionisusuallyaffectedbytheimagebackground,brightnessorheadpostureofimageandsoon,whichmakesfacedetectionbecomeacomplicatedandchallengingsubject.

Thispaperfirstlypresentedthebasicconceptofhumanfacedetectiontechnology,andgaveabriefintroductionofthedevelopmentoffacedetection;

thensomeexistingfacedetectionalgorithmsaredeeplystudiedanddiscussed,anditintroducedIntelOpenSourceComputerVisionLibraryandtheconfigurationmethodundertheenvironmentofVC++;

lastlyusedAdaboost-basedlearningalgorithmandrelizedthebasicfunctionoffacedetection,facedetectioninthevideoandcamerafacemonitoring.Theexperimentindicatethatthemethodoffacedetectionproposedinthispaperhasthecharacterofrapidspeed,highaccuracyandreal-time,showingacertaindegreeoftheoreticalandpracticalvalue.

AfterstudyingtheAdaboost-basedalgorithmoffacedetectioninthispaper,wecanseethatithasthecharacterofreal-time,butwhenthebackgroundcolorofthesampleimageisrelativelycomplexorhasstronglight,thismethodmightidentifywrong“humanfaces”inthesurroundingenvironment,andfacedetectionrate,errordetectionrateisnotsatisfying.

Keywords：

OpenCV,FaceDetectionandTracking,AdaBoostalgorithm,HaarFeature

1绪论

课题背景及目的

最近几年来，随着运算机技术的迅猛进展和平安入口操纵、信息平安、金融贸易、电子商务等方面应用需求的快速增加，生物识别技术渐渐取得普遍的重视。

人脸识别技术由于其具有的非接触型认证、直接、友好、方便等特点取得普遍的研究和开发，成为近30年模式识别和运算机视觉领域最有潜力的生物身份验证手腕和最热点的研究课题之一。

人脸检测是人脸识别研究中重要的第一步，目的确实是从图像中分割出不包括背景的人脸区域。

可是由于初期的人脸识别研究要紧针对具有较强约束条件的人脸图像（如无背景图像），往往假设人脸位置已知或容易取得，因这人脸检测问题并未受到重视。

近几年，随着电子商务等应用的不断进展，人脸检测开始作为独立的课题受到研究者的重视。

今天，人脸检测的研究已经远远超过了人脸识别系统的范围，在身份验证、基于内容的图像检索、视点监测等方面都有着重要的应用价值。

对人脸检测技术的研究，已经经历了由简单到复杂，由静态图像检测到视频流实时检测的进展，目前正在向三维人脸检测的方向进展，专门是Viola等人于2001年提出的基于积分图像的AdaBoost算法，是第一个实时的人脸检测算法，从全然上解决了检测速度的问题，成为目前最为流行、检测效率最高的一种算法。

目前对人脸检测的研究不仅实现了对静态图像进行单个、多个人脸的检测，而且能够对动态视频图像的人脸进行检测和跟踪。

但对动态人脸的检测还处于低级时期，还有很多问题有待解决。

目前关于人脸检测技术的研究距实际应用还有必然的距离，性能和检测准确率还有待提高；

因此，在尔后的社会进展和研究领域中，人脸检测与跟踪的研究不仅具有重要的理论意义，而且具有十分重要的应用价值。

人脸检测技术概况

大体概念

人脸检测是指在输入图像或动态的场景中确信所有存在的人脸的位置、大小、位姿、数量等的进程。

人脸检测作为人脸信息处置中的一项关键技术，最近几年来成为模式识别和运算机视觉领域内一项受到普遍重视、研究相当活跃的课题，它是目标检测和识别的一个典型案例。

人脸检测研究具有重要的学术价值和专门大的挑战性，其研究的难点要紧在于：

人脸是一类高度非刚性的目标；

人脸由于相貌、表情、肤色等不同，具有模式可变性；

人脸上可能存在一些附属物，如眼镜、胡须等；

人脸姿态千变万化，而且可能受光照、遮挡物等的阻碍；

待检测图像的性质不同，如分辨率等。

人脸检测的进程涉及从复杂的背景中分割、提取人脸区域和可能用到的人脸器官特点。

一个成功的人脸检测系统应该能够专门好地处置光线、噪声、遮挡等不可预测因素的阻碍。

因此，若是能够找到解决上述问题的方式，成功构造人脸检测和跟踪系统，将为解决其它类似的复杂模式检测问题提供重要的启发。

进展历史

人脸检测问题最初来源于人脸识别，对人脸识别的研究能够追溯到上个世纪六、七十年代，通过几十年的进展已日趋成熟。

初期的人脸识别研究要紧针对有约束条件的人脸图像，而且假设人脸的位置固定或容易取得。

因这人脸检测问题并无取得重视。

最近几年来，随着电子商务和人们平安意识的提高，对人脸识别系统的各类应用需求要求识别系统能够对一样环境具有必然的适应能力，由此吸引了很多研究者对各方面检测技术的研究，并慢慢形成一个独立的研究方向。

人脸识别的研究已经有相当长的历史，大致能够分为四个时期：

1．第一时期：

人类最先的研究至少可追朔到20世纪50年代在心理学方面的研究和六十年代在工程学方面的研究：

J.S.Bruner于1954年写下了关于心理学的Theperceptionofpeople，Bledsoe在1964年就工程学写了FacialRecognitionProjectReport，国外有许多学校在研究人脸识别技术，其中有从感知和心理学角度探讨人类识他人脸机理的，如美国TexasAtDallas大学的Abdi和Tool小组，由Stirling大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组等；

也有从视觉机理角度进行研究的，如英国的Graw小组和荷兰Groningen大学的Petkov小组等。

2．第二时期：

始于20世纪70年代的关于人脸的机械识别研究：

以Allen和Parke为代表，要紧研究人脸识别所需的脸部特点。

研究者采纳运算机实现了较高质量的人脸灰度图模型。

这一时期工作的特点是识别进程完全依托于操作人员，不能完成自动识别。

3．第三时期：

人机交互识别时期：

Harmon和Lesk用几何特点参数来表示人脸正面图像。

他们采纳多维特点矢量表示人脸脸部特点，并设计了基于这一特点表示法的识别系统。

Kaya和Kobayashi那么采纳了统计识别方式，用欧氏距离来表示人脸特点。

但这种方式需要来自操作员的先验知识，仍摆脱不了人的干与。

4．第四时期：

20世纪90年代以来，随着高性能运算机的显现，人脸识别方式有了重大冲破，关于人脸识别的研究进入了真正的机械自动识别时期。

课题研究背景及意义

研究背景

人脸检测问题最初来源于人脸识别，一个完整的人脸识别应用系统应该包括人脸检测、特点提取和识别三大大体进程。

初期人脸识别研究要紧针对具有较强约束条件的人脸图像，即简单人脸检测，因这人脸检测问题并未受到重视。

最近几年来，随着社会的进展和视觉监控、远程教育和智能人机交互等方面应用需求的急速增加，人脸识别以其非侵犯性、直接、友好和方面的优势成为最有潜力的、利用最普遍的生物统计识别手腕，这种应用背景要求人脸识别系统能够适应通用人脸检测范围的应用，由此所面临的一系列问题引发了众多研究者对人脸检测方方面面研究的极大爱好，人脸检测渐渐独立于人脸识别成为一个专门的研究方向。

今天，人脸检测的研究背景已经远远超出了人脸识别，在身份验证、人机交互、虚拟现实、图像检索等方面都有着普遍的应用。

研究意义

人脸检测作为人脸识别的第一步，目的确实是将人脸从图像背景中分割出来。

尽管最近几年来人脸方面的研究取得了一些可喜的功效，但现有的人脸研究算法对人脸位置和状态都有必然的要求，通常要求事前己经明白人脸所处的位置、人脸大小，而且对人脸的旋转角度、亮度和对照度也有较严格的要求，因此具有必然的局限性。

实际应用中，图像和视频中人脸的位置、朝向和旋转角度都不是固定的，而且图像背景，光照等条件也是转变的，这就需要第一进行人脸检测，取得人脸位置并分离背景，对视频图像那么需跟踪数帧中的人脸状态，从当选出适合处置算法的人脸图像。

人脸检测系统的构造将为解决人脸识别、表情分析、性别、种族、年龄判别等类似的复杂模式奠定良好的基础，同时也为这些问题的解决提供重要的启发。

因此，人脸检测与识别课题具有十分重要的理论和应用研究价值。

人脸检测研究现状

国外研究现状

由于人脸检测有着相当普遍的应用和研究价值，因此，许多国家很早就展开了相关方面的研究。

要紧有美国、欧洲国家、日本、韩国等科技发达的国家。

早在1993年，美国国防部高级研究项目组（ARPA）和美国陆军研究实验室（ARL）成立了Feret（FaceRecognitionTechnology）项目组，成立了Feret人脸数据库，普遍应用于评判人脸检测算法的性能。

目前，国外对人脸检测问题的研究层出不穷，英国、美国等许多国家都有大量的研究小组从事人脸检测方面的研究，这些研究受到了军方、警方和一些身份验证等公司的高度重视和支持。

闻名的研究机构有美国麻省理工大学（MIT）的Medialab、AIlab，卡内基梅隆大学（CMU）的Human-ComputerInterfaceInstitute，MicrosoftResearch，英国的DepartmentofEngineeringinUniversityofCambridge，法国的INRIA研究院，日本的ATR研究院等等。

关于人脸检测的学术交流活动也相当活跃。

在一些重要的国际会议上，如国际运算机视觉会议（ICCV）、运算机视觉与模式会议（CVPR）、运算机图形学大会（Siggraph）都设有人脸检测的专题。

国内研究现状

人脸检测技术在机关单位考勤、网络平安、物业治理等领域起着愈来愈重要的作用，我国对人脸检测的研究起步于20世纪80年代，要紧的研究单位有清华大学，哈尔滨工业大学，中科院计算所，中科院自动化所，复旦大学，北京科技大学等，并都取得了必然的功效。

研究方式要紧集中在几何特点、代数特点、神经网络和模板匹配等方面，专门是对神经网络的研究比重较大。

在此基础上，基于多分类器的人脸检测受到的关注较大，研究功效也较多。

专门在引入三维特点后，利用二维信息和三维信息的融合进行人脸检测成了另一个亮点和热点。

中国科学院计算所的国家863项目“面像检测与识别核心技术”通过功效鉴定并得以初步应用，标志着我国在人脸检测这一现今热点科研领域取得了飞跃的进步，并把握了必然的核心技术[3]。

2005年1月18日，由清华大学电子系苏光大教授主持承担的国家“十五”攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定，鉴定委员会认定该项技术达到了国内领先水平和国际先进水平。

尽管国内的研究取得了突飞猛进的进展，但对人脸检测和识别的研究仍处于低级时期，研究方向比较狭隘，与国际研究水平仍存在必然的差距。

论文研究内容

本文在理论上对人脸检测与跟踪关键技术进行研究，了解和把握了数字图像处置和人脸检测的要紧算法，通过VisualC++和OpenCV结合编程实现了人脸检测系统的要紧功能，并作了详细的分析。

具体来讲，本文要紧研究内容归结如下：

（1）对人脸检测技术的产生和进展进程等进行了调查研究，介绍了各类人脸检测算法的实现原理。

（2）了解Intel开源运算机视觉库OpenCV的大体结构，把握其在VisualC++开发环境下的配置方式。

（3）利用OpenCV大体函数和VC++开发环境编程，采纳Adaboost算法和矩形特点构建人脸检测级联分类器，开发人脸检测系统界面，实现人脸检测和跟踪。

（4）总结分析系统的检测性能，并对阻碍性能的因素如光照、遮挡等进行探讨，以改良系统性能。

论文组织结构

论文系统完整地分析和讨论了基于OpenCV开源运算机视觉库的人脸检测实现方式，各章内容的安排如下：

概述：

简要介绍了人脸检测技术的概念、进展历史和研究现状及本文的课题背景、研究意义，和论文的要紧研究内容。

人脸检测技术综述：

介绍了各类人脸检测算法的实现原理。

OpenCV概述及安装配置方式：

第一介绍了Intel开源运算机视觉库OpenCV的概念、大体结构和特点，第二介绍了它的安装和在VC++环境下的配置方式。

人脸检测系统设计与实现：

对系统开发环境进行了介绍，并进行了系统可行性分析、需求分析，详细介绍了各个模块的实现方式。

系统运行与测试：

对系统运行界面进行了展现，并对各个模块进行了测试，并给出了测试结果；

然后分析了系统的优缺点。

第六章总结与展望：

对论文的工作进行了总结，并对人脸检测技术的进展方向进行了展望。

本章小结

本章要紧介绍了人脸检测技术概况，对人脸检测那个热点的前沿技术课题进行了大体的分析。

第一通过引言引出了人脸检测在运算机视觉领域的研究进展进程，然后对人脸检测技术的概念和进展历史进行了详细的介绍，并给出了本课题的研究背景和研究意义，对国内外在人脸检测领域的研究现状进行了分析，最后给出了论文的要紧研究内容和结构组织框架。

2人脸检测算法综述

基于几何特点的方式

人脸的几何特点指的是人脸脸部器官在几何上表现的特点阁。

基于几何特点的人脸检测方式的思想是把典型人脸的几何特点编码并规那么化的人脸检测方式。

它通过检测不同的人脸脸部特点的位置，然后依照它们的空间几何关系来定位人脸，当图像中的待测区域符合准那么，即被检测为人脸。

基于器官特点的方式

正如世界上没有两片完全相同的叶子一样，人脸也各不相同，可是器官也遵循着一些普遍适用的规那么，即五官形状及其散布的几何规那么。

检测图像中是不是存在人脸，即是不是存在知足这些规那么的图像块。

这种方式的步骤一样是先对人脸的器官或器官的组合成立模板，然后检测图像中几个器官可能散布的位置，对这些位置点别离进行组合，用器官散布规那么进行挑选，从而找到可能存在的人脸。

基于轮廓特点的方式

人脸的轮廓能够近似地被看成一个椭圆形状，因此对图像进行人脸检测能够通过检测椭圆轮廓来确信是不是有人脸存在。

具体来讲，第一对待检测的图像进行边缘检测，并对细化后的边缘提取曲线特点，然后计算各曲线合成人脸的评估函数来确信是不是存在人脸。

采纳轮廓特点的方式对侧脸的检测一样适用。

基于颜色纹理的方式

肤色是人脸的重要信息，它不依托于人脸脸部的细节特点，在旋转、表情转变等情形下都能维持不变，具有相对稳固性，而且和大多数背景物体的颜色相区别，因此肤色特点是在对彩色图像的人脸检测中最经常使用的一种特点。

肤色特点要紧由肤色模型描述，经常使用的肤色模型有高斯模型、混合高斯模型和直方图模型。

此方式要紧利用人脸皮肤表面颜色和纹理所具有的稳固性来进行人脸检测。

人脸的肤色在颜色空间中的散布相对集中，且大多数和背景物体的颜色相区别，能够利用那个特点检测人脸。

用肤色信息进行人脸检测的关键是合理选择色度坐标。

经常使用的方案是将彩色的R、G、B分量归一化处置。

目前人们研究更多的是将R、G、B彩色空间转化为其它彩色空间，以突超卓度信息。

其它模型要紧有YUV、YIQ、XYZ、YCbCr等等，其中YCbC是利用最多的一种，YCrCb是YUV模型中的一种，是一个色差模型，利用了人对色度远没有对亮度灵敏而成立的，更符合人眼的视觉特点。

其中，Y是亮度信号，CrCb是色度或彩度信号。

这种方式的最大优势是能够在不同视角中检测到人脸，对姿态转变不灵敏。

利用肤色特点检测出的人脸区域可能不够准确，但如果是在整个系统实现中作为人脸检测的粗定位环节，它具有直观、实现简单、快速等特点，能够为后面进一步进行精准定位制造良好的条件，以达到最优的系统性能。

研究中能够和其他方式交叉利用，提高检测速度和精度。

基于模板匹配的方式

模板匹配是一种经典的模式识别方式，该方式的思想是第一成立一个标准的人脸模板，由包括局部人脸特点的子模板组成，然后对一幅输入图像进行全局搜索，对应不同尺度大小的图像窗口，计算模板与待检测图像之间的相关性，通过预先设置的阈值来判定候选图像区域是不是为人脸区域。

检测时，将模板在被检测的区域内别离在行和列方向上移动，计算出相关值最大的区域确实是人脸区域。

此方式的优势是简单好用；

缺点是计算量大，速度慢，算法复杂度高。

通用模板匹配法

此方式第一依照人脸的先验知识设计出一个或多个人脸轮廓模板和各个器官特点子模板，然后通过计算样本图像中脸部轮廓区域和人脸轮廓模板的相关值来检测出人脸候选区域，最后利用眼睛、鼻子等器官特点子模板验证上一步检测出的人脸候选区域是不是包括人脸。

这种方式的优势是比较简单，但由于人脸特点复杂且转变专门大，很宝贵到有效的通用模板来表示人脸的共性，且不能有效处置尺寸、姿态和形状的转变，因此在很多场归并非适用。

这种方式目前已不多见，但人们在有的系统中将其作为粗检测或预处置的手腕。

在实际中多采纳多分辨率、多尺度、多子模板和可变形模板实现模板匹配，用来增加适应性和准确性。

可变形模板匹配法

可变形模板匹配是Wiskott等提出的一种基于小波变换的人脸匹配算法。

该方式用小波变换的结果描述人脸的局部信息，并通过人脸网格特点点的不断移动，搜索特点点的准确位置，能够说是几何特点方式的一种改良。

找到特点点后，就能够够依照每一个特点点上小波变换的结果，对待检测人脸和库中的人脸进行识别比较。

具体来讲，该算法要紧思想是依照脸部特点和形状特点概念一个可变形的参数模板和一个能量函数来描述特点，通过一个非线性最优化方式求得能使能量函数最小的参数模板，此模板即被以为是所求特点的描述。

此方式的优势是充分考虑到了人脸是变形体的特点，稳固靠得住，而且与姿态和光照无关，但仍然存在能量函数的加权系数难以适应一样情形和能量函数优化耗时、计算量庞大的问题，因此难以实现实时的应用。

基于统计模型的方式

此方式遵循一种统一的模式，将人脸检测问题转化为模式识别的二分类问题，即利用统计分析与机械学习的方式来寻觅出人脸样本与非人脸样本各自的统计特点，继而在大量训练样本集的基础上构建一个能对人脸和非人脸样本进行正确识别的分类器，然后对被检测图像进行全局扫描，利用分类器扫描完成人脸检测。

采纳这种检测模式的理论依据是：

人脸具有统一的结构模式（都是由眉毛，眼睛，鼻子和嘴唇等人脸器官组成），若是把所有的图像集看做一个高维线性空间，那么整个人脸图像集仅对应于其中的某个子空间。

于是能够通过查验待测图像窗口是不是落在那个子空间中来确信是不是为人脸。

因此，能够通过大量的人脸和非人脸样本来成立一个分类器，使它能够正确分辨这两种不同的图像模式，再利用训练好的分类器在未知的图像