基于OpenCV 的人臉快速定位系統(tǒng)

朱艷 金山職業(yè)技術(shù)學(xué)院

關(guān)鍵字：openCV 人臉識(shí)別 圖像

引言

人工智能已經(jīng)成為國家發(fā)展的重大戰(zhàn)略方向，近年來，人臉識(shí)別與定位技術(shù)發(fā)展迅猛，已經(jīng)融入到人們生活的各個(gè)方面。人臉識(shí)別技術(shù)涉及了計(jì)算機(jī)科學(xué)、生理學(xué)、應(yīng)用數(shù)據(jù)等多門學(xué)科，涵蓋面廣?？焖偃四樧R(shí)別系統(tǒng)不僅與人臉特征的表征與提取、人臉模式間相似度的計(jì)算有關(guān)，并且與生理模型和心理模型有關(guān)。本文采用OpenCV 的人臉識(shí)別技術(shù)，高度優(yōu)化的OpenCV 能夠在所有平臺(tái)上兼容，可以實(shí)現(xiàn)精準(zhǔn)、快速識(shí)別。

1 OpenCV 簡(jiǎn)介及特點(diǎn)

OpenCV 是計(jì)算機(jī)視覺方向最為流行的算法，其全稱為Open Source Computer Vision Library，Computer Vision 為機(jī)器視覺。OpenCV 經(jīng)過多年的優(yōu)化和發(fā)展，可以有效運(yùn)行上百種計(jì)算機(jī)視覺算法，功能涵蓋了計(jì)算機(jī)視覺的所有研究方向。OpenCV 指的是開源的意思，開源軟件占用的系統(tǒng)資源少，安全性好。

OpenCV 基于C/C++語言開發(fā)，屬于開源的圖像處理算法，處理效率高，資源多；OpenCV 的算法經(jīng)過多次優(yōu)化，能夠?qū)?shù)字圖像實(shí)現(xiàn)實(shí)時(shí)處理；OpenCV 具有很好的程序移植性，適用于不同的編程環(huán)境，并且提供了多種程序接口，以便于用戶的使用?；贠penCV的特征，系統(tǒng)可以實(shí)現(xiàn)對(duì)于人臉的快速定位與識(shí)別。

2 OpenCV 的功能

采用OpenCV 可以完成多種計(jì)算機(jī)視覺任務(wù)，主要的運(yùn)算和識(shí)別定位功能包括：圖像處理方法，基本的圖像處理算法例如幾何變換、圖像濾波、形態(tài)學(xué)分析特征檢測(cè)等；特征識(shí)別，常用的特征提取算法包括SURF（加速魯棒特征）、FAST（加速分段測(cè)試）、PCA（主成分分析）等；形狀分析，OpenCV 提供了形狀分析的很多相關(guān)函數(shù)，包括提取輪廓、起點(diǎn)變換、提取邊緣等；目標(biāo)檢測(cè)，OpenCV 中提供了快速計(jì)算的目標(biāo)檢測(cè)器，采用objdetect 和xobjdetcet 兩個(gè)模塊可以設(shè)計(jì)任意物品的檢測(cè)器；機(jī)器學(xué)習(xí)，OpenCV 中具有不同的機(jī)器學(xué)習(xí)方法，根據(jù)不同的檢測(cè)對(duì)象選用合適的機(jī)器學(xué)習(xí)算法。

3 人臉圖像的預(yù)處理

人臉識(shí)別的效率和準(zhǔn)確率主要與兩個(gè)方面有關(guān)：人臉識(shí)別算法、人臉樣本的數(shù)量和質(zhì)量。同一張人臉在不同的采集環(huán)境下，視覺上具有不同的體驗(yàn)，為了提高識(shí)別的效率和準(zhǔn)確率，需要進(jìn)行圖像的預(yù)處理。圖像預(yù)處理可以提高圖像的質(zhì)量，去除噪聲，提高系統(tǒng)圖像的清晰程度。

圖像的幾何處理。人臉檢測(cè)的圖像不一定都處于水平位置，需要進(jìn)行幾何操作，處理過程包括了縮放、旋轉(zhuǎn)、平移和裁剪等操作。通常采用的算法實(shí)現(xiàn)步驟為：首先利用雙眼檢測(cè)器檢測(cè)眼睛的位置，然后進(jìn)行旋轉(zhuǎn)校正；第二，利用人臉圖像的縮放，使雙眼之間的距離保持相同；第三，平移人臉圖像，利用雙眼基準(zhǔn)線進(jìn)行校正操作；最后剪裁圖像，獲得合適的位置和尺寸，從而保證圖像處理的有效性。

人臉的灰度處理。人臉的灰度處理操作主要包括了直方圖處理、光滑、橢圓掩碼等。直方圖均衡處理即對(duì)采集的圖像中的每個(gè)像素點(diǎn)的灰度值進(jìn)行適應(yīng)性改變，擴(kuò)展圖像的灰度值范圍，從而增強(qiáng)圖像的對(duì)比度；平滑處理主要是抑制圖像噪聲，可以采用雙邊濾波算法進(jìn)行圖像平滑處理，不僅能夠保持圖像邊緣，還能夠降低圖像噪聲；橢圓掩碼可以去除圖像識(shí)別時(shí)不必要的信息，去除冗余信息可以提高檢測(cè)的效率。

4 人臉識(shí)別算法設(shè)計(jì)與實(shí)現(xiàn)

人臉識(shí)別算法眾多，本文采用基于局部二值特征（LBP）和主分量分析（PCA）的方法進(jìn)行人臉的快速識(shí)別與定位。OpenCV 中包含LBP 特征的人臉識(shí)別接口，包含LBP 特征訓(xùn)練目標(biāo)分類器算法。采用LBP 等價(jià)模式對(duì)圖像進(jìn)行訓(xùn)練，不僅降低了原始數(shù)據(jù)的特征維數(shù)，降低高頻噪聲，還能夠利用等價(jià)模式中的圖像中角點(diǎn)、邊緣、斑點(diǎn)等關(guān)鍵信息提取圖像特征。

采用PCA 算對(duì)LBP 原始算子提取的特征向量進(jìn)行降維處理，然后再采用支持向量機(jī)（SVM）算法進(jìn)行模式識(shí)別，識(shí)別采集的人像信息。支持向量機(jī)具有樣本量低，分類準(zhǔn)確的優(yōu)勢(shì)，通過選用合適的核函數(shù)和系統(tǒng)參數(shù)，可以提高分類的準(zhǔn)確率。

5 總結(jié)

人臉識(shí)別技術(shù)作為人工智能不可或缺的重要組成部分，在信息安全、智慧生活等領(lǐng)域中廣泛應(yīng)用，本文采用OpenCV 進(jìn)行人臉快速識(shí)別與定位，重點(diǎn)探究了圖像預(yù)處理、人臉檢測(cè)和人臉識(shí)別三方面內(nèi)容，為實(shí)現(xiàn)人臉的快速識(shí)別奠定了理論基礎(chǔ)。