視頻流中的人臉識別系統(tǒng)應用開發(fā)

鐘嘯 高紅梅

摘要：隨著信息和智能終端技術的發(fā)展，生物識別技術在各行各業(yè)中得到了廣泛的重視.人臉檢測與識別屬于非接觸型身份認證，只是看到臉部就可以實現(xiàn)身份的認證，因而被廣泛地應用在安保系統(tǒng)、企業(yè)公司、醫(yī)院學校、研究所等各類機構組織之中。本實驗基于特征臉的人臉識別方法，利用OpenCV的第三方庫和C++編程，實現(xiàn)了視頻流中的人臉識別技術，能夠在PC上檢測人臉和識別人臉。

關鍵詞：視頻流；人臉檢測；人臉捕獲；人臉識別；OpenCV

中圖分類號：TP37 文獻標識碼：A 文章編號：1009-3044（2018）25-0220-03

目前來說，生物識別技術雖早已有學者提出并實踐出來一些成果[1-3]，而且已運用到各個應用領域并且影響廣泛。但是人臉識別技術方面還需要一些創(chuàng)新性思維和想法，也需要一些創(chuàng)新性想法來為后面的人臉識別技術添枝加葉，提供更多的參考，為以后人臉識別的發(fā)展和飛躍打下更多、更牢固的基礎。

1研究意義

一方面來說，研究視頻流中的人臉識別在一定程度上可以建實和發(fā)展人臉識別技術，為后續(xù)更高層次人臉識別技術的突破和發(fā)展打下一定的基礎。

另一方面，研究視頻流中的人臉識別方面有很大的實用和應用空間，可以用于公司職員日?？记?，學校學生宿舍查寢等各個不同現(xiàn)實情景，總的來說此項目具有很大的發(fā)展和應用的空間。

2技術路線

早在2009年，就有學者總結出了人臉識別的方法[4-6]，它們大致上可以歸結為三類：基于幾何特征的方法、基于模板的方法、基于模型的方法。本實驗選定基于模板的方法，利用基于特征臉的方法實現(xiàn)視頻流中的人臉識別技術。

3視頻流中的人臉識別系統(tǒng)設計

3.1技術支持

實現(xiàn)視頻流中的人臉識別技術，先要現(xiàn)視頻流中的人臉檢測和人臉捕獲。本實驗開發(fā)該原型系統(tǒng)所需要用到的開發(fā)工具有：SDK 8.1、VS 2015、Cmake、OpenCV等。（見圖1）

C++語言既能夠進行C語言面向過程的程序設計，還能夠進行以抽象數(shù)據(jù)類型為特點的基于對象的程序設計，還可以進行以封裝、繼承和多態(tài)為特點的面向對象的程序設計。C++語言不僅僅擁有計算機高效運行的實用性特征，同時它還致力于提高大規(guī)模程序的編程質量與程序設計語言的問題描述能力。所以，本實驗使用了C++語言作為該原型系統(tǒng)的編程語言。然后，本實驗需要下載和安裝SDK 8.1作為C++語言正常在電腦上運行的基本環(huán)境并配置好環(huán)境變量。

此項目還用到了OpenCV和Cmake。OpenCV由Intel微處理器研究實驗室的視覺交互組開發(fā)，是一種用于數(shù)字圖像處理和計算機視覺的開源數(shù)據(jù)庫[7-8]。OpenCV是由C++語言編寫，它的主要接口也是C++語言。此外，OpenCV擁有包括500多個C函數(shù)的跨平臺的中、高層API。它不依賴于其他的外部庫，但它可以使用某些外部庫。本實驗需要下載OpenCV 3.3.1，并使用Cmake編譯它的動態(tài)鏈接庫和第三方庫。

3.2系統(tǒng)設計

根據(jù)實驗的目的，所要實現(xiàn)的功能，列出一個總設計框架（圖2）再用C++語言編寫出相關的程序代碼，用于開啟攝像頭、檢查攝像頭的運作情況、調用特征臉算法進行人臉識別。

3.3主要工作流程

使用者先要運行第一步程序，從視頻流中捕獲人臉的圖片，并按照指定路徑建立文件夾，作為人臉特征對比的后臺數(shù)據(jù)。之后，運行第二步程序，從視頻流中檢測出人臉并對其進行人臉特征提取，再與先前收集到的人臉數(shù)據(jù)照片進行特征對比，識別出該人臉。

4人臉識別關鍵技術的實現(xiàn)

4.1用Cmake編譯動態(tài)鏈接庫和第三方庫

本原型系統(tǒng)利用OpenCV的contrib模塊，該模塊包含了一些新型人臉識別，立體匹配，人工視網(wǎng)膜模型等可選功能。打開Cmake進入主頁面，在第一行源碼路徑中選擇OpenCV源碼的文件夾：OpenCV/OpenCV—master。再在第二行選擇生成路徑：OpenCV/OpenCV—master/build。然后點擊“Configure”，第一項選擇“Visual Studio 14 2015 Win64”作為編譯工具，點擊“Finish”完成。最后點擊“Generate”生成庫。同時，對OpenCV/OpenCV—contrib文件夾也是類似操作生成。

3.2攝像頭的開啟和檢查其運作情況

如上流程圖，本實驗先要用C++語言寫出攝像頭啟動和檢查其運作情況的代碼，該模塊代碼如下：

bool Handle：：existsCapture（） {

capture.open（0）；

bool flag = false；

if （capture.isOpened（）） {

flag = true；

cout << "檢測到攝像頭的存在，可以打開攝像頭" << endl；

capture.release（）；}

else {

cout << "未能夠檢測到攝像頭的存在，無法進行下一步的工作" << endl；}

return flag；}

3.3從視頻流中獲取圖片作為后臺數(shù)據(jù)

首先本實驗要實現(xiàn)從視頻流中獲取實時照片的功能，將所獲取的圖片作為人臉識別的后臺數(shù)據(jù)，用于與視頻流中的人臉特征做對比，該模塊代碼如下：

Mat frame；

Mat des；

int i = 1；

while （capture.read（frame）） {

char ch = waitKey（20）；

findFaces（frame， des）；

imshow（"人臉檢測"， frame）；

//waitKey（5）；

bool flag = false；

switch （ch） {

case 'p'：

if （flag） {

if （des.rows>0 && des.cols>0） {

cout << "aaaaaaaaaaaaaa" << endl；

string name = format（"D：＼＼opencv＼＼img＼＼002＼＼%d.jpg"， i）；

imwrite（name， des）；

cout << "save photo：" << name << endl；

i++；

break；

}}

else

{if （des.rows>0 && des.cols>0） {

distinguish（des）；}}}}}

3.4視頻流中的人臉檢測與人臉特征提取

首先本實驗要實現(xiàn)從視頻流中檢測出人臉并提取人臉的特征進行特征臉的記錄，用于人臉數(shù)據(jù)的記錄和為下一步進行人臉特征的對比和識別提供了基本對比數(shù)據(jù)，該模塊代碼如下：

//繪制矩形 BGR。

rectangle（frame， faces[i]， Scalar（0， 0， 255）， 1）；

//獲取矩形中心點。

Point center（faces[i].x + faces[i].width / 2， faces[i].y + faces[i].height / 2）；

//繪制圓形。

ellipse（frame， center， Size（faces[i].width / 2， faces[i].height / 2）， 0， 0， 360， Scalar（255， 0， 255）， 4， 8， 0）；

//獲取臉部矩形區(qū)域。

Mat faceROI = src（faces[i]）；

//存儲找到的眼睛矩形。

std：：vector eyes；

eyes_cascade.detectMultiScale（faceROI，eyes，1.1，2，0 |CASCADE_SCALE_IMAGE，Size（30，30））；

for（size_t j=0；j

{Point eye_center（faces[i].x + eyes[j].x + eyes[j].width/2，faces[i].y + eyes[j].y + eyes[j].height/2）；

int radius = cvRound（（eyes[j].width + eyes[j].height）*0.25）；

circle（frame，eye_center，radius，Scalar（ 255， 0， 0 ），4，8，0）；}

//截取人臉。

Mat facesROI = frame（faces[i]）；

//圖像縮放。

cv：：resize（facesROI， facesROI， Size（128， 128）， 0， 0， cv：：INTER_LINEAR）；

//保存圖像。

dst = facesROI；}

return；}

3.5視頻流中的人臉特征對比與人臉識別

最后本實驗要實現(xiàn)從視頻流中捕獲人臉，提取人臉特征并與后臺人臉數(shù)據(jù)做對比進行人臉的識別，該模塊代碼如下：

maptt；

vectorimages；

vectorlabels；

vectorres = listDir（path）；

int count = 0；

for （int i = 0； i

if （res[i].find_last_of（".pgm"） ！= -1） {

Mat mat = imread（res[i]， CV_LOAD_IMAGE_GRAYSCALE）；

resize（mat， mat， Size（128， 128））；

images.push_back（mat）；

labels.push_back（count）；}

else {

count++；

cout << "index：" << count << " " << res[i] << endl；

textRes.insert（pair（count， res[i]））；}}

5總結與展望

作為一個學習計算機軟件的學生來說，我自身的讀代碼和寫代碼的能力顯著提高。除此之外，我還學會使用OpenCV、Cmake等一系列工具，對經(jīng)典的隱馬爾可夫模型有了一定認識和了解，對人臉識別技術有了深層次地了解和掌握。我開發(fā)的人臉識別原型系統(tǒng)的人臉識別率達到85%以上，顯然識別率已經(jīng)達到一定的水準，但是原型系統(tǒng)并不完美，經(jīng)過大量的人臉訓練，我通過改變人臉識別的背景、環(huán)境的光照亮暗、人臉的角度等等一系列因素，發(fā)現(xiàn)人臉識別率受人臉識別的背景影響較大，實驗說明在不同背景下，人臉識別率才達到50%，但可以通過優(yōu)化編程代碼彌補這一不足。實驗還可以做出進一步的延伸，就是研究不同民族的人臉特征，找出不同名族臉部的特點并用幾何向量計算并總結出來，由此實現(xiàn)一個額外的功能，就是該系統(tǒng)可以識別人臉所屬的民族。

參考文獻：

[1] 劉芳.基于FpGA的門禁系統(tǒng)視頻監(jiān)控中的人臉識別技術研究[J].智能應用，2014（4）.

[2] 馬海兵，白潔.人臉識別技術在智能視頻監(jiān)控系統(tǒng)中的應用[J].現(xiàn)代電子技術，2007（8）.

[3] 姜濤.基于OpenCV的智能視頻監(jiān)控系統(tǒng)設計[D].江蘇科技大學，

[4] 馬小虎，譚延琪.基于鑒別稀疏保持嵌入的人臉識別算法[J].自動化學報， 2014， 40（1）： 73-82

[5] 吳巾一，周德龍.人臉識別方法綜述[J].計算機應用研究，2009（8）.

[6] 孟繁靜，王連明.視頻人臉識別系統(tǒng)中的最佳人臉捕獲[J].東北師大學報，2015（4）.

[7] 黃佳.基于OpenCV的計算機視覺技術研究[D].華東理工大學，2013.

[8] 唐致龍.基于OpenCV嵌入式人臉檢測系統(tǒng)[D].長安大學，2017.

【通聯(lián)編輯：唐一東】