基于OpenCV的人臉檢測與識別系統

摘 要：本論文以OpenCV圖像處理庫為基礎，采用QT作為圖形界面開發，具有人臉采集，圖片訓練，數據庫管理及人臉識別等功能，并且使用光線補償等方式提高識別率。

關鍵詞：OpenCV QT 人臉檢測 人臉識別

中圖分類號：TP31 文獻標識碼：A 文章編號：1672-3791（2013）07（b）-0004-02

近年來計算機視覺技術在視覺領域中取得了飛速的發展，并在其他領域中得到了廣泛的應用，人臉識別在圖像處理與視頻檢索、視頻監控、視頻顯示等方面占據著重要的位置。本文提出了基于OpenCV圖像處理庫的人臉檢測與識別系統，通過分析人臉檢測與識別的原理及方法設計了人臉檢測與識別系統，該系統具有人臉采集，圖片訓練，數據庫管理及人臉識別等功能，并且使用了光線補償等方式更好的進行圖像的處理和后期的識別。

1 系統的運行流程圖

該人臉檢測與識別系統的處理流程如圖1。

2 系統詳細設計及實現

2.1 人臉定位模塊

基于OpenCV的人臉檢測中，先進行圖像的采集，然后建立自適應模型并將該模型進行訓練，使用XML文件保存該訓練模型數據，有了這個模型后我們就可以從新使用新的模型來進行圖片的對比，把當前的圖片與該模型進行匹配得出的結果使用矩形進行標記，并在QT界面上畫出該目標區域。

2.2 人臉識別模塊

人臉識別的流程為，從攝像頭采集圖片后對圖片進行灰度化處理，分配PCA存儲空間，再使用級聯分類檢測器對圖片進行特征提取訓練。提取出采集的人臉圖片的特征，保存數據到facedata.xml文件。人臉識別的具體實現步驟和函數如下。

（1）得到一個32位的浮動圖像。

IplImage* convertFloatImage ToUcharImage（const IplImage *srcImg）

（2）保存源圖片的所有特征向量。

void FaceRec：：storeEigenfaceImages（）

（3）下載需要訓練的數據，并將訓練好的數據保存到xml文件中。

void FaceRec：：learn（）

{ szFileTrain = "40.txt"； //訓練數據的路徑

doPCA（）； //為人臉訓練分配PCA空間

storeTrainingData（）； //將訓練好的數據保存到xml文件中

if （SAVE_EIGENFACE_IMAGES）

{storeEigenfaceImages（）； //保存這些訓練圖片為一張位圖 }

（4）從攝像頭中獲取一幀圖片。

int FaceRec：：recFromFrame（IplImage *faceImage）

（5）從facedata.xml下載訓練好的數據。

int FaceRec：：loadTrainingData（CvMat ** pTrainPersonNumMat）

（6）為圖片分配PCA空間。

void FaceRec：：doPCA（）

2.3 光線補償的模塊

從攝像頭對圖像進行采集會受到設備的干擾及環境因素的影響，從而會使圖像的色彩向某個固定的方向移動，例如色彩偏黃、變藍、變黑等。系統為了消除圖像的色彩偏差，需要對圖像的RGB三個分量值進行線性調整。使用檢測圖像中亮度在前10%的像素（參考白），按公式計算出調整值。整幅圖像的其他像素點的色彩值也都按這一調整尺度進行交換，通過這種技術可以更好的進行圖像的處理和后期的識別。

在QT下通過增加菜單欄，在其頂部添加一子目錄，將命名為“預處理”，并在其下方的屬性欄中命名為“彈出”菜單，右擊預處理則該選項會自動生成一個子菜單項，屬性名為“光線補償”，并在右下面的屬性中把ID號設置為ID_READY_LIG HTERGTHNSATE，對應文件FaceDetect.Cpp中的函數recognize（）實現，并在recFromFrame（IplImage *faceImage）中添加如下代碼：

hDIBTempp = gDib.CopyHandle（hDIB）；

gDib.LightingComper（hDIB）；

GlobalUnlock（hDIB）；

Invalidate（）；

光線補償通過對圖像的RGB進行轉換而使圖片的光線變亮或變暗，函數LightingComper（）是類facerecognize的一個目標函數。

2.4 測試

3 結語

基于OpenCV圖像處理庫的人臉檢測與識別具有人臉采集，圖片訓練，數據庫管理及人臉識別等功能，系統采用Linux作為開發工具，利用QT作為圖形界面開發，使用面向對象的思想來編寫圖像處理模塊，并把該模塊的各個功能進行獨立出來，建立各個獨立的類，從而減少了程序之間的耦合性，增加了代碼的可重用性和可移植性，系統運行流暢，有廣泛的使用前景。

參考文獻

[1] 張惠發.人臉識別的關鍵問題研究[D].吉林大學，2012.

[2]李友坤.BP神經網絡的研究分析及改進應用[D].安徽理工大學，2012.

[3]褚勤.基于小波分析和支持向量機的人臉識別方法研究[D].華南理工大學， 2012.

[4]廖文軍.基于連續Adaboost算法的多角度人臉檢測技術研究與實現[D].南京郵電大學，2012.

[5]趙曉輝.基于改進的分塊LBP人臉識別算法研究[D].昆明理工大學，2012.