基于opencv的人脸识别系统毕业设计论文

本科毕业设计（论文）

基于OPENCV的人脸检测与检测系统

毕业设计（论文）原创性声明和使用授权说明

原创性声明

本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。

作者签名：日期：

指导教师签名：日期：

使用授权说明

本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。

作者签名：日期：

学位论文原创性声明

本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。

作者签名：日期：年月日

学位论文版权使用授权书

本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

涉密论文按学校规定处理。

作者签名：日期：年月日

导师签名：日期：年月日

摘要

近几年来计算机网络传输、监控及视频分析在社会上不断的兴起，数字信息已经超越了模拟信息其主要原因在于数字信息更易于存储和分析，因此，在视频监控领域采用计算机对视频信息进行采集、压缩、分析、存储得到了很多人的青睐。

基于OPENCV的人脸检测与检测系统在计算机模式计算和模式检测等方面具有极其重要的作用。在基于人脸检测，图像压缩，视频监控，运动物体检测等方面有着更重要的应用价值。近年来计算机视觉技术在视觉领域中取得了飞速的发展，并在其他领域中得到了广泛的应用。本论文以OPENCV库为基础，采用QT 作为图形界面开发，具有人脸采集，图片训练，数据库管理及人脸检测等功能。该系统能够进行长时间的运行并测试稳定，在程序中提供了统一的接口以并进行二次开发。

关键词：人脸检测，人脸检测，级联分类检测器

ABSTRACT

In recent years, computer network transmission, monitoring, and video analysis showed that the continuous rise in the social, digital information has gone beyond the main reason is that analog information is easier to store digital information and analysis, therefore, in the field of video surveillance video information by computer acquisition, compression, analysis, storage get a lot of people of all ages.

Opencv based on face detection and recognition system in the computer model and pattern recognition, and so has an extremely important role. Based on face recognition, image compression, video surveillance, detection of moving objects and so has a more important application value. In recent years, in the visual field of computer vision technology has made rapid development, and in other areas has been widely used. This thesis is based opencv library, using qt as a graphical interface development with human face capture, image training, database management, and face recognition and other functions. The system is capable of stable long run and test the program in order to provide a unified interface and secondary development.

Keywords：Face detection, face recognition, cascade classification detect

目录

摘要 ............................................................................................................................. I ABSTRACT................................................................................................................. II

1 绪论 (1)

1.1 课题提出的背景 (1)

1.2 人脸检测技术的研究意义 (2)

1.3 课题研究方法 (2)

1.3.1 人脸检测的原理 (2)

1.3.2 人脸检测的原理 (2)

1.4 人脸检测的国内外发展概况 (2)

1.4.1 国内发展概况 (2)

1.4.2 国外发展概况 (3)

2 系统的需求分析与方案选择 (4)

2.1 可行性分析 (4)

2.1.1 技术可行性 (4)

2.1.2 操作可行性 (4)

2.2 需求分析 (5)

2.2.1 应用程序的功能需求分析 (5)

2.2.2 开发环境需求分析 (5)

3 研究方案及技术路线 (7)

3.1 人脸检测方案 (7)

3.2 人脸检测方案 (8)

3.3 使用技术 (9)

3.3.1 子空间法 (9)

3.3.2 meanshift算法 (10)

3.4 信息查询与维护流程图 (10)

4 系统的概要设计 (12)

4.1 应用程序的总体结构设计流程图 (12)

4.2 图像预处理的层次图 (13)

4.3 各模块功能概述 (13)

4.3.1 图像获取模块 (13)

4.3.2 人脸区域获取 (13)

4.3.3 图像预处理模块 (13)

4.3.4 人脸定位模块 (15)

4.3.5 特征提取模块 (15)

4.3.6 检测模块 (15)

4.3.7 数据库存储模块 (16)

4.3.8人脸采集注意事项 (19)

5 系统的详细设计 (20)

5.1 系统的运行流程图 (20)

5.2 图像处理详细设计 (20)

5.2.1 人脸检测详细设计 (20)

5.2.2 图像点处理详细设计 (26)

5.2.3 光线补偿 (26)

5.2.4具体实现光线补偿功能 (27)

5.3 图像灰度化 (28)

5.3.1 图像灰度化的算法思想 (28)

5.3.2 图像灰度化的编程实现 (28)

5.4 高斯平滑 (29)

5.4.1 算法思想 (29)

5.4.2 具体实现高斯平滑功能 (30)

5.5 灰度均衡 (31)

5.5.1 算法思想 (31)

5.5.2 编程实现 (32)

5.6 图像对比度增强 (32)

5.6.1 算法思想 (32)

5.6.2 编程实现 (32)

5.7 编程时遇到的问题及解决方法 (33)

5.7.1 光线补偿法 (33)

5.7.2 高斯平滑法 (33)

5.7.3 均衡直方图 (33)

6 系统调试 (34)

6.1 测试原则 (34)

6.2 测试方案 (34)

6.3 测试文档 (35)

7 结束语 (37)

7.1 应用程序的特点 (37)

7.2 心得体会 (37)

参考文献 (39)

致谢 (41)

1 绪论

人脸检测与检测是计算机视觉与模式检测领域中重要的研究方向，人脸检测在图像处理与视频检索、视频监控、视频显示等方面占据着重要的位置。本文提出了基于32位彩色图像对人脸进行检测的方法，介绍的主要内容是图像处理，重点分析基于OPENCV人脸检测与检测的原理及方法，采用基于OPENCV的级联分类检测器，能够根据视频图像提取人脸特征进行训练。

目前，高性能的微电子和视觉处理系统已经运用在各个领域中，特别是基于视觉处理系统中的人脸检测系统已经走在了科学前沿。在生物检测技术中人脸检测是运用最为广泛的技术，对图像进行处理主要用到，光线补偿技术、高斯平滑技术和二值化技术等。对图像先进行补光处理，处理过后的图片通过定位眼睛、鼻子、嘴唇来确定脸部区域，最后根据人脸固有的眼睛对称性来确定是否是一个人脸，再使用高斯平滑，用来消除图像的噪声，最后进行二值化处理，采用局部阈值来进行二值化，接下来就对图片中的人脸进行定位，特征提取和检测操作。经过验证，图像通过预处理对以后的检测率有很大的影响，可以提高人脸检测和检测的准确率。在其他国家，人脸检测技术已经运用在智能家居、智能机器人、以及军事安防和其他安全部门。在国内，我们对人脸检测技术的研究始于20世纪90年代，主要用在公共安全领域、智能家居、金融管理、物业管理、以及网络安全和考勤等方面。

1.1 课题提出的背景

随着数字信号和模拟信号处理理论和计算机的发展，通过CMOS摄像头获取的模拟信号转化为数字信号，然后使用计算机实现对视觉信息的处理，这就提出了一个新的理念“怎样通过计算机来进行生物的检测”，随着科学技术的不断创新及发展，这个理念被实现了，生物特征检测技术中人脸的自动检测占有重要的地位，人脸检测技术与其他生物检测方法相比，人脸检测具有算法简单、设计更直接、友好和方便等特点，因而人脸自动检测问题的研究不仅具有重要的应用价值，而且具有重要的理论意义。人脸检测主要用在公共安全领域、智能家居、金融管理、物业管理、以及网络安全和考勤等方面。由于数字信息比模拟信息更易于存储和处理，因此，在视频监控领域采用计算机对视频信息进行采集、存储、分析得到许多人的青睐[1]。

基于OPENCV的人脸检测和检测在计算机模式检测与视觉领域中占有重要的地位，人脸检测和检测利用分析比较人脸特征来进行身份鉴定的生物技术，通过级联分类检测器来进行人脸图片的训练，然后从摄像头上采集图片在库中进行比

对，如果比对结果在预设的阀值之内，则表示检测成功。

1.2 人脸检测技术的研究意义

怎样使计算机能够像人一样能够分析各种视觉信息，使用一种编制的方式来计算获得的视觉数据。使机器智能化，通过机器来模拟人类所拥有的能力，像人类一样通过眼睛来观察和获得视觉信息，并使用大脑来处理视觉所获得的信息。近年来各个领域使用了计算机视觉技术来解决该问题，该技术在视觉模式中具有重要的应用价值。人脸检测技术采用了视频数据的采集，为采集的数据分配PCA 空间，将视频数据进行格式的转换，将数据库中存储的视频数据进行训练，最后得到一个32位的浮动图，该技术具有操作更简单、直接等优点。人脸检测与检测在生物体特征检测技术中具有重要的应用价值。视频跟踪检测技术除了在智能视频监控系统中具有非常重要的应用外，在视频会议、人机交互、门禁控制、家庭娱乐以及信息安全等场合也有着重要的应用[2]。

1.3 课题研究方法

1.3.1 人脸检测的原理

采集的图片进行人脸检测通过以下步骤，先对需要检测的目标进行特征的提取，利用这些特征数据建立目标检测模型，然后将需要检测的图像与目标模型进行匹配，如果匹配成功则使用矩形来进行标记。

1.3.2 人脸检测的原理

人脸检测技术股由于受到一些光线，环境的影响会造成检测的精度不高，现在大多数都集中研究在正面人脸图像的检测上，但由于人脸面部表情、拍照角度或拍照光照等条件的变化下，得到的人脸照片中的特征不同，因此使用数据库中存储的样本的有限个角度拍摄的照片，去检测任意角度的照片，使检测范围得到很大的限制。

为了解决以上出现的问题，现在人们提出了使用几何特征检测法来进行人脸的检测，选取的特征点必须具有代表性，能代表一个人的面部特征，唯一标识该个体，选取眼角点、鼻翼点、嘴角点等标识眼、耳、口、鼻及脸部轮廓的特征点。

1.4 人脸检测的国内外发展概况

在许多领域中已经使用到了人脸检测与检测技术，人脸检测技术在世上起到了举足轻重的作用，英国的布莱索在1996年开始了对人脸检测技术的研究，经过三十多年的发展，人脸检测技术已经得到了高速的发展，且取得了巨大的成功。

1.4.1 国内发展概况

在我国对人脸检测技术的研究始于20世纪80年代，国内主要有清华大学，

北京理工大学，和自动化所的研究人员从事人脸检测与检测的研究，国内主要从以下三个方面进行研究：

(1)基于几何特征的人脸正面自动检测方法。

(2)基于代数特征的人脸正面自动检测方法。

(3)基于连接机制的人脸正面自动检测方法。

近年来，随着计算机硬件性能的不断发展，基于图像传感器的视屏监控系统获得了迅猛的发展，各种面向复杂的应用背景的视频监控系统也随之大量涌现，随着信息技术的不断发展，视频监控系统在商业、国防安全和军事应用领域中的需求将日益增加。由于视频监控系统具有如此大的应用背景，它引起了许多国家的高度重视，一些国家投入了大量资金和科研人员进行了广泛的研究[3]。

1.4.2 国外发展概况

国外很多人从事对人脸检测与检测问题的研究，主要有著名的MIT,CMU，欧洲，日本等国家，随着人脸检测的深入发展研究，国际上发表的有关论文数量也在大幅度的增加，国外主要从以下几个方面进行研究：

(1)模板匹配

(2)示例学习

(3)神经网络

(4)基于隐马尔可夫模型的方法

(5)基于AdaBoost的人脸检测算法

(6)基于彩色信息的方法

(7)基于形状分析的方法