基于OpenCv的人臉識別系統(tǒng)

賀鵬遠，楊義濤，羅 媛，鄧 磊，索美霞

近年來，無論是在國內還是在發(fā)達的歐美國家，對人臉識別的研究工作從未停止過，本作品是基于OpenCv 的人臉識別系統(tǒng)，人臉識別的優(yōu)勢在于其自然性和不被被測個體察覺的特點。

本文基于調研、分析和研究實現(xiàn)人臉識別功能的原理，思考人臉識別系統(tǒng)可能出現(xiàn)的問題與障礙，對人臉識別系統(tǒng)進行設計，主要步驟可概括為：數(shù)據(jù)收集和預處理、訓練模型、人臉識別3個部分，應用的主要技術為：OpenCv，這是一種用C++語言編寫、主要接口為C++的跨平臺計算機視覺庫。

本系統(tǒng)的創(chuàng)新點可歸納為如下5點：

1）具有非強制性：用戶不需要專門配合人臉采集設備，幾乎可以在無意識的狀態(tài)下就可獲取人臉圖像，這樣的取樣方式?jīng)]有“強制性”；

2）具有非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像；

3）具有并發(fā)性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別；

4）符合視覺特性：“以貌識人”的特性；

5）還具備操作簡單、結果直觀、隱蔽性好等特點。

1 硬件設計與實現(xiàn)

本系統(tǒng)的運行流程為：當程序運行時樹莓派將本地照片中的面部圖像發(fā)送至云端服務進行分析，識別出的人臉會給出face_token，用于后續(xù)的人臉比對等操作。觸摸傳感器觸發(fā)主函數(shù)實時拍照并發(fā)送至云服務調用Search API 在Faceset 中找出與目標人臉最相似的一張或多張人臉。將比對結果發(fā)送到樹莓派本地終端，提取返回結果并將其顯示在樹莓派終端。

當觸摸開關被按下LED 閃爍，接著進行一張人臉的采集。并將此照片與已經(jīng)上傳的三張照片做對比。判斷出相似的人臉。當相似度大于70%，則開門（電機正轉開門、停止并發(fā)出警報聲、電機反轉關門）。

本文采用樹莓派人臉識別系統(tǒng)，主要硬件包括：樹莓派3B、電源模塊、轉5V 降壓模塊、觸摸感應傳感器模塊、聲光報警模塊和驅動模塊。

硬件各部分的功能概述：

1）主控模塊。在本設計中主要起到集中分配的作用，不僅需要即時采集人臉圖像，調用API處理圖像，同時還要提供攝像頭檢測、驅動芯片、顯示屏等數(shù)字器件的工作信號。具有超強GPU、Adreno505，識別率極高，達99.6%以上。

2）觸發(fā)模塊。系統(tǒng)的輸入部分，實現(xiàn)人機交互。通過接收觸控按鍵的電平信息，使得樹莓派接收到數(shù)據(jù)。

3）檢測模塊。對人臉進行采集攝像的模塊，提供最原始的圖片信息。

4）驅動模塊。開閉的過程控制的控制元件。

2 軟件設計

本文系統(tǒng)設計分為7個部分，其設計流程如圖1。

圖1 軟件流程圖

2.1 人臉檢測

人臉識別的最基礎任務是人臉檢測。必須首先捕捉人臉（第1階段）才能在未來與捕捉到的新人臉對比時（第3階段）識別它。最常見的人臉檢測方式是使用Haar 級聯(lián)分類器。使用基于Haar 特征的級聯(lián)分類器的目標檢測是Paul Viola 和Michael Jones 2001年在論文《Rapid Object Detection using a Boosted Cascade of Simple Features》中提出的一種高效目標檢測方法。這種機器學習方法基于大量正面、負面圖像訓練級聯(lián)函數(shù)，然后用于檢測其他圖像中的對象。這里，本文將用它進行人臉識別。最初，該算法需要大量正類圖像（人臉圖像）和負類圖像（不帶人臉的圖像）來訓練分類器和從中提取特征。好消息是 OpenCV 具備訓練器和檢測器。如果想要訓練自己的對象分類器，如汽車、飛機等，可以使用 OpenCV 進行創(chuàng)建。

在循環(huán)內部調用攝像頭，并以grayscale 模式加載我們的輸入視頻?，F(xiàn)在，調用分類器函數(shù)，向其輸入一些非常重要的參數(shù)，如比例因子、鄰近數(shù)和人臉檢測的最小尺寸。

2.2 人臉標記

用上述函數(shù)檢測完圖像中的人臉后，對圖像中的人臉進行標記，比如用藍色矩形。除此之外，還可以加入諸如眼睛檢測甚至微笑檢測這樣的檢測器。在那些用例中，只需要把分類器函數(shù)和矩形框內加入原有的面部識別區(qū)域中，因為在區(qū)域外進行識別沒有意義。

注意，在樹莓派上，分類方法（Haar Cascades）會消耗大量算力，所以在同一代碼中使用多個分類器將會顯著減慢處理速度。在臺式機上運行這些算法則非常容易。

2.3 收集數(shù)據(jù)

創(chuàng)建一個簡單的數(shù)據(jù)集，該數(shù)據(jù)集將儲存每張人臉的 ID 和一組用于人臉檢測的灰度圖。通過運行代碼，可以從每一個ID 捕捉30個樣本，我們能在最后一個條件語句中修改抽取的樣本數(shù)，當然也可以通過運行程序，來識別新的用戶或修改已存在用戶的相片。

2.4 訓練數(shù)據(jù)

在第二階段中，需要從數(shù)據(jù)集中抽取所有的用戶數(shù)據(jù)，并訓練OpenCV 識別器，這一過程可由特定的OpenCV 函數(shù)直接完成。這一步將在trainer目錄中保存為.yml 文件。

2.5 識別數(shù)據(jù)

在第三階段中，通過攝像頭捕捉一個新人臉，如果這個人的面孔之前被捕捉和訓練過，識別器將會返回其預測的id 和索引，并展示識別器對于該判斷有多大的信心。

3 結果與分析

通過第二章節(jié)軟件部分的論述，本系統(tǒng)通過調試樹莓派系統(tǒng)、測試攝像頭、對人臉進行檢測和標記、對數(shù)據(jù)進行收集、訓練，最終能實現(xiàn)識別功能。具體實現(xiàn)功能如下：當程序運行時樹莓派將本地照片中的面部圖像發(fā)送至云端服務進行分析，識別出的人臉會給出face_token，用于后續(xù)的人臉比對等操作。觸摸傳感器觸發(fā)主函數(shù)實時拍照并發(fā)送至云服務調用Search API 在Faceset 中找出與目標人臉最相似的一張或多張人臉。將比對結果發(fā)送到樹莓派本地終端，提取返回結果并將其顯示在樹莓派終端。當觸摸開關被按下LED 閃爍，接著進行一張人臉的采集。并將此照片與已經(jīng)上傳的三張照片做對比。判斷出相似的人臉。當相似度大于70%，則開門（電機正轉開門、停止并發(fā)出警報聲、電機反轉關門）。