摘 要

本文以OpenCV人脸识别系统的搭建结合近年来研究热门的图像处理技术、深度学习技术来探讨计算机视觉在实际生活中的应用，并通过对OpenCV库和实时人脸跟踪检测算法的研究，设计出简单可用的包含人脸检测和人脸对比的人脸识别系统。

利用OpenCV提供的库，加载Haar分类器、创建分类器、训练样本，从而准确定位正面人脸图像，分割图像，建立目标人脸库。通过OpenCV人脸识别的类FaceRecognizer处理以及提取摄像头实时图像的人脸数据，将采集到的人脸特征信息与人脸库中的人脸信息对比，从而实现人脸识别。实验环境：机器视觉库 OpenCV4.0，开发平台Visual Studio 2015。

关键词：OpenCV 分类器 人脸识别 Haar

Design and Implementation of Video Face Recognition System Based on OpenCV

Abstract

In this paper, we will talk about the construction of face recognition system combined with the hot image processing and the DL technology in recent years to explore the application of computer vision in real life. Through the study of OpenCV library and real-time face tracking detection algorithm, we have designed a simple and usable face recognition system including face detection and face contrast.

Using the library provided by OpenCV, load the Haar classifier, create classifiers, and train samples to accurately locate the frontal face image and build the target face database. By extracting the face data of the real-time image of the camera, the feature information compared with the face information in the face database, thereby realizing face recognition. Experimental environment: Machine vision library OpenCV4.0, development platform Visual Studio 2015.

Key Words: OpenCV; Classifier; Face Recognition; Haar

目录

摘要 I

ABSTRACT II

第一章 绪论 1

1.1 研究背景、应用领域 1

1.1.1 研究背景 1

1.1.2 应用领域 2

1.2 人脸识别研究的发展动态 2

1.3 OpenCV简介 3

1.4 本文章节内容概述 4

第二章 人脸图像增强 5

2.1 人脸图像增强的意义 5

2.2 人脸图像灰度处理 5

2.3 人脸图像几何处理 6

2.4 本章小结 8

第三章 人脸检测算法的实现 9

3.1 Haar分类器 9

3.1.1 Haar-like特征 9

3.1.2 基于AdaBoost算法的分类器 11

3.2 人脸检测算法的实现 12

3.3 本章小结 14

第四章 人脸识别算法实现 15

4.1 基于LBP的人脸算法原理 15

4.2 基于PCA的人脸算法原理 16

4.3本章小结 17

第五章 人脸识别系统的设计与实现 18

5.1 系统功能描述 18

5.2 程序调试与分析 18

5.3 本章小结 20

结语 21

参考文献 22

致谢 23

第一章 绪论

1.1 研究背景、应用领域

1.1.1 研究背景

近十年关于人工智能和物联网的概念逐渐兴起，层见迭出的互联网技术催生了大数据、人工智能技术的更新和发展，人们的生活方式因此得到了空前的便捷，其中人脸识别技术更是现代人机交互最为突出和最具前景的应用技术。研究表明，一个人的生物特征和其行为特征具有独一的特性，是其身份鉴别的有效途径。除了人脸以外，指纹、虹膜、掌纹包括语音等识别技术都已经早早的应用于人们的生活之中。区别于指纹等生物特征，人脸在生活中是最为直接、最为突出反应生物信息的手段。调查表明，人类获取的信息超过一半来自于面部的表达，相比之下语言承载的信息只有不足10%，相较之下语调约有40%。人脸的信息获取具有非接触性和非强制性的优点，不仅具有较高的安全性、准确率同时因其实现方式简单，成本不高决定了人脸识别技术拥有非常好的应用前景。提高人脸识别的安全性和扩大应用场景是当下普遍、热门的研究课题。

基于人脸面部特征的人脸识别技术在现代社会生活中逐渐应用于解锁、打卡、支付等领域，作为目前重要的特征识别技术，其对于人工智能技术的发展也具有重要的研究意义。基于人脸面部特征信息的人脸对比技术也是现代图像处理技术的重要研究方向，其本质是通过计算机相关算法提取人脸面部的关键信息，然后把得到的特征进行分类，与待识别的人脸特征进行差值运算，在合理的阈值内验证人脸的身份信息。随着应用领域的不断增大，市场需求愈来愈多，对于人脸识别技术也提出了更高的标准，包括不断提高的准确度，安全性以及更高的程序运行效率。

借助于摄像机，人脸识别从静态慢慢延伸到动态，现代强大的计算机性能已经具备实时检测视频人脸以及进行人脸识别的功能。动态的人脸信息相比于静态更为复杂，错综复杂的表情变化既增加了识别的难度，也同样引起了开发者的研究兴趣，例如“微笑”表情可以作为手机的自拍的触发信号等场景的应用。结合图像处理、图像识别、计算机视觉、大数据、人工智能等领域，人脸识别技术的研究也不断火热起来。逐渐渗入到安防、金融、物联网等行业之中。

1.1.2 应用领域

目前，随着科学技术的快速发展以及人们对于新技术的不断研究探索，人脸识别的应用领域也在不断扩大。其中安防行业是应用最为广泛的行业之一，人工智能参与视频分析是未来安防市场的主要发展方向，而人脸识别技术也是人工智能最为重要的技术之一。在门禁系统中，人脸识别能够有效的鉴别来客的身份信息，此外与互联网技术相结合，可以很好的参与智能家居，智能安防的部署。随着人脸识别算法的不断精进，在大数据、人工智能大背景下，可以预见未来互联网行业、金融业、安防等行业领域都会变得越来越便利、智能化、安全以及高效。同样教育、医疗行业也会有着翻天覆地的变化。

依赖于人脸识别技术的独特优势（非接触性和非强制性），已经被越来越多的用户和企业认可，也引来了大量开发者的研究，促使人脸识别技术算法不断完善、精进，人脸识别准确度甚至可以在某些应用上不逊色于人工识别。

1.2 人脸识别研究的发展动态

人脸识别系统主要包含三个部分，一个完整的识别过程由人脸检测、特征提取以及人脸对比三个环节组成。人脸检测技术是人脸识别最基础的条件，也是人脸识别的首要环节[1]。人脸的检测和识别涉及了不同学科的内容，其中包含了图像处理、心理学、生物学等。人脸识别也是模式辨识理论中非常关键的内容。19 世纪，法国著名的科学家 Alton 开始着手研究人脸检测与识别技术。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：