基于QT和OpenCV的人臉識(shí)別系統(tǒng).doc

1、螆基于QT和OpenCV的人臉識(shí)別系統(tǒng)肀 The Face Recognition System Based on QT and OpenCV衿by sununs11肇關(guān)鍵詞：ARM, QT, OpenCV,人臉識(shí)別，PCA芄1系統(tǒng)方案設(shè)計(jì)膃1.1引言罿人臉是一個(gè)常見而復(fù)雜的視覺模式，人臉?biāo)从车囊曈X信息在人與人的交流和交往中有著重要的作用和意義，對(duì)人臉進(jìn)行處理和分析在視頻監(jiān)控、出入口控制、視頻會(huì)議以及人機(jī)交互等領(lǐng)域都有著廣泛的應(yīng)用前景，因此是模式識(shí)別和計(jì)算機(jī)視覺領(lǐng)域持續(xù)的研究熱點(diǎn)。芅本系統(tǒng)在FriendlyARM Tiny6410開發(fā)板基礎(chǔ)上，利用 OpenCV計(jì)算機(jī)視覺庫(kù)和 QT圖形庫(kù)，通

2、 過普 通的USB攝像頭實(shí)現(xiàn)了自動(dòng)人臉識(shí)別，準(zhǔn)確率較高，方便易用。羆1.2系統(tǒng)總體架構(gòu)袂人臉識(shí)別”大致可分為兩個(gè)階段：聿1.人臉檢測(cè)搜索一幅圖像，尋找一切人臉區(qū)域（此處以綠色矩形顯示），然后進(jìn)行圖像處理， 清理臉部圖像以便于更好地識(shí)別。蚆2.人臉識(shí)別 把上一階段檢測(cè)處理得到的人臉圖像與數(shù)據(jù)庫(kù)中的已知人臉進(jìn)行比對(duì)，判定人臉對(duì)應(yīng)的人是誰(shuí)（此處以白色文本顯示）。莄1.3工作流程 蟻系統(tǒng)運(yùn)行時(shí)，自動(dòng)從 USB攝像頭獲取YUV格式的圖片，轉(zhuǎn)換成 QImage格式并實(shí)時(shí)顯示在LCD屏 上，再將其轉(zhuǎn)換成 IplImage 格式，利用 OpenCV的 Haar Cascade Face Detector也稱為

3、 Viola-Jones 方法）進(jìn)行人臉檢測(cè)，得到一個(gè)矩形區(qū)域，截取該矩形區(qū)域圖像進(jìn)行直方圖均衡化處理，進(jìn)行訓(xùn)練或 識(shí)別。聿系統(tǒng)訓(xùn)練流程：肇點(diǎn)擊觸摸屏上的按鈕獲取一幀圖片，由訓(xùn)練者判斷是否加入訓(xùn)練集。當(dāng)訓(xùn)練集圖片足夠后, 訓(xùn)練按鈕，即使用PCA方法處理訓(xùn)練集中的人臉圖片，生成 XML文件。膆系統(tǒng)識(shí)別流程：點(diǎn)擊蚄點(diǎn)擊觸摸屏上的按鈕，進(jìn)入識(shí)別狀態(tài)。得到上述的人臉區(qū)域圖像后，讀取 法將圖像與數(shù)據(jù)庫(kù)比對(duì)，若可信度超過閾值，則在屏幕上顯示出人名。XML文件，使用PCA方腿攝像頭可獲取多幅圖像以提高準(zhǔn)確度和可靠性，我們采集多幅圖像求可信度平均值與閾值比 若可信度平均值大于閾值，則登錄系統(tǒng)成功，通過串口發(fā)送

4、信號(hào)并彈出對(duì)話框提示信息；若 定時(shí)間內(nèi)未登錄成功，則記錄訪問者的人臉并提示登錄失敗。較, 在規(guī)蒈2系統(tǒng)原理與算法實(shí)現(xiàn)薃2.1基于Haar特征級(jí)聯(lián)強(qiáng)分類器的人臉檢測(cè)蒃多分類器級(jí)聯(lián)結(jié)構(gòu)是很多強(qiáng)分類器的組合，其結(jié)構(gòu)如下圖所示:第1層分裘襦第口層分類補(bǔ)艿它是一種由粗到細(xì)的結(jié)構(gòu)，其中每一層是AdaBoost算法訓(xùn)練得到的一個(gè)強(qiáng)分類器，都經(jīng)過閾調(diào)整，使得每一層能讓全部正例樣本通過，而拒絕很大一部分非人臉樣本。袈本作品使用OpenCV中的檢測(cè)器，使用其自帶的一個(gè) XML文件執(zhí)行檢測(cè)芅2.2基于PCA方法的人臉識(shí)別 芁PCA方法由Turk和Pentlad首先提出，它的基礎(chǔ)就是 Karhunen-Loeve變換

5、(簡(jiǎn)稱KL變換)。一幅人 臉圖像(假設(shè)為50x50像素)是一個(gè)2500維空間的數(shù)據(jù)點(diǎn)，我們利用 PCA方法將所有人臉 圖像數(shù) 據(jù)點(diǎn)投影到PCA子空間中進(jìn)行降維和特征提取。荿相對(duì)于歐式距離，利用馬氏距離作為人臉圖像間的距離識(shí)別效果較好，但由于本作品主要用于判斷待測(cè)人臉是否為數(shù)據(jù)庫(kù)中人臉，可信度的計(jì)算方法極為關(guān)鍵，而目前最好的可信度的計(jì)算方程是基于歐式距離的：羅 float con fide nee = 1.0f -sqrt( it f dista nee /螃(float) (trai nFacesNum * eige nVectorsNum) ) / 255.0f;肀故本作品仍采用歐式距離。葿

6、Ope nCV的人臉檢測(cè)器獲取到人臉圖像后，使用直方圖均衡化進(jìn)行圖像的預(yù)處理，然后調(diào)用 OpenCV的庫(kù)函數(shù)進(jìn)行識(shí)別，用上述公式計(jì)算出待測(cè)人臉可信度。莆3系統(tǒng)測(cè)試蒅第14次測(cè)試中，人臉數(shù)據(jù)庫(kù)中只有ORL數(shù)據(jù)庫(kù)的四個(gè)人和 A的人臉數(shù)據(jù)，此時(shí) B C均為 陌生人”只有A能登錄系統(tǒng)。肅第59次測(cè)試中，人臉數(shù)據(jù)庫(kù)中增加了B的數(shù)據(jù)，此時(shí)只有 C為陌生人” A、B均可登錄系統(tǒng)。薈測(cè)試結(jié)果如下圖：螇測(cè)試序號(hào)羃人員編號(hào)袂登錄耗時(shí)(s)蚈識(shí)別幀數(shù)膈平均可信度蚅誤識(shí)別次數(shù)裊1羂A袃16莇2袈 0.856肂0羀2聿A100.84603Bg100.67504Cg100.77805A-100.87806B-100.90

7、607Cg100.82408A1420.88309B1120.9130注：1. 登錄耗時(shí)指某人從坐到攝像頭前，擺正角度到登錄成功所用時(shí)間。2. 識(shí)別幀數(shù)表示用于計(jì)算平均可信度的圖像幀數(shù)，均由攝像頭連續(xù)獲取。3. 系統(tǒng)的可信度閾值設(shè)為 0.85。4結(jié)語(yǔ)本作品以友善之臂的Tin y6410開發(fā)板為平臺(tái)，使用普通的USB攝像頭，設(shè)計(jì)了一個(gè)自動(dòng)人臉識(shí)別系統(tǒng)。系統(tǒng)實(shí)現(xiàn)了訓(xùn)練、識(shí)別人臉的功能，并在實(shí)驗(yàn)室環(huán)境下完成了測(cè)試。經(jīng)測(cè)試，使用者在未訓(xùn)練時(shí)無(wú)法登錄系統(tǒng)，其可信度與人臉數(shù)據(jù)庫(kù)中已有人員的可信度有一定差值，可以區(qū)分?jǐn)?shù)據(jù)庫(kù)內(nèi)外人臉。使用者經(jīng)過訓(xùn)練后即可登錄系統(tǒng)。利用攝像頭可以連續(xù)獲取圖像的特性，本作品多次計(jì)

8、算可信度取平均值的方法一定程度上提高了識(shí) 別的可靠性。當(dāng)然，本作品仍有很多不足的地方，比如由于驅(qū)動(dòng)程序不完善，單靠軟件實(shí)現(xiàn)的圖像采集速度較慢， 導(dǎo)致實(shí)時(shí)性不高；以及未實(shí)現(xiàn)活體檢測(cè)，存在使用主人照片登錄系統(tǒng)的可能。參考文獻(xiàn)1 黃福珍，蘇劍波，人臉檢測(cè)M，上海交通大學(xué)出版社2 Sherv ini Emami,l ntroduct ion to Face Detect ion and Face Recog niti on EB/OL,3 Robi n Hewitt,Seei ng With Ope nCV - A Five-Part Series,EB/OL4 田捷，楊鑫，生物特征識(shí)別理論與應(yīng)用M,清華大學(xué)出版社5 vaibhav420,Face Recog ni tion in C/C+ With Thesis,僅供個(gè)人用于學(xué)習(xí)、研究；不得用于商業(yè)用途For personal use only in study and research; not for commercial use.Nur f u r den pers?nlichen f u r StUFoesphung, zu kommerziellen Zwecken verwendet werden.Pour l e tude et la recherche uniquementa des fins perso