基于OpenCV 的人脸快速定位系统

2020-11-25朱艳金山职业技术学院

数码世界 2020年4期

朱艳金山职业技术学院

关键字：openCV 人脸识别图像

引言

人工智能已经成为国家发展的重大战略方向，近年来，人脸识别与定位技术发展迅猛，已经融入到人们生活的各个方面。人脸识别技术涉及了计算机科学、生理学、应用数据等多门学科，涵盖面广。快速人脸识别系统不仅与人脸特征的表征与提取、人脸模式间相似度的计算有关，并且与生理模型和心理模型有关。本文采用OpenCV 的人脸识别技术，高度优化的OpenCV 能够在所有平台上兼容，可以实现精准、快速识别。

1 OpenCV 简介及特点

OpenCV 是计算机视觉方向最为流行的算法，其全称为Open Source Computer Vision Library，Computer Vision 为机器视觉。OpenCV 经过多年的优化和发展，可以有效运行上百种计算机视觉算法，功能涵盖了计算机视觉的所有研究方向。OpenCV 指的是开源的意思，开源软件占用的系统资源少，安全性好。

OpenCV 基于C/C++语言开发，属于开源的图像处理算法，处理效率高，资源多；OpenCV 的算法经过多次优化，能够对数字图像实现实时处理；OpenCV 具有很好的程序移植性，适用于不同的编程环境，并且提供了多种程序接口，以便于用户的使用。基于OpenCV的特征，系统可以实现对于人脸的快速定位与识别。

2 OpenCV 的功能

采用OpenCV 可以完成多种计算机视觉任务，主要的运算和识别定位功能包括：图像处理方法，基本的图像处理算法例如几何变换、图像滤波、形态学分析特征检测等；特征识别，常用的特征提取算法包括SURF（加速鲁棒特征）、FAST（加速分段测试）、PCA（主成分分析）等；形状分析，OpenCV 提供了形状分析的很多相关函数，包括提取轮廓、起点变换、提取边缘等；目标检测，OpenCV 中提供了快速计算的目标检测器，采用objdetect 和xobjdetcet 两个模块可以设计任意物品的检测器；机器学习，OpenCV 中具有不同的机器学习方法，根据不同的检测对象选用合适的机器学习算法。

3 人脸图像的预处理

人脸识别的效率和准确率主要与两个方面有关：人脸识别算法、人脸样本的数量和质量。同一张人脸在不同的采集环境下，视觉上具有不同的体验，为了提高识别的效率和准确率，需要进行图像的预处理。图像预处理可以提高图像的质量，去除噪声，提高系统图像的清晰程度。

图像的几何处理。人脸检测的图像不一定都处于水平位置，需要进行几何操作，处理过程包括了缩放、旋转、平移和裁剪等操作。通常采用的算法实现步骤为：首先利用双眼检测器检测眼睛的位置，然后进行旋转校正；第二，利用人脸图像的缩放，使双眼之间的距离保持相同；第三，平移人脸图像，利用双眼基准线进行校正操作；最后剪裁图像，获得合适的位置和尺寸，从而保证图像处理的有效性。

人脸的灰度处理。人脸的灰度处理操作主要包括了直方图处理、光滑、椭圆掩码等。直方图均衡处理即对采集的图像中的每个像素点的灰度值进行适应性改变，扩展图像的灰度值范围，从而增强图像的对比度；平滑处理主要是抑制图像噪声，可以采用双边滤波算法进行图像平滑处理，不仅能够保持图像边缘，还能够降低图像噪声；椭圆掩码可以去除图像识别时不必要的信息，去除冗余信息可以提高检测的效率。

4 人脸识别算法设计与实现

人脸识别算法众多，本文采用基于局部二值特征（LBP）和主分量分析（PCA）的方法进行人脸的快速识别与定位。OpenCV 中包含LBP 特征的人脸识别接口，包含LBP 特征训练目标分类器算法。采用LBP 等价模式对图像进行训练，不仅降低了原始数据的特征维数，降低高频噪声，还能够利用等价模式中的图像中角点、边缘、斑点等关键信息提取图像特征。

采用PCA 算对LBP 原始算子提取的特征向量进行降维处理，然后再采用支持向量机（SVM）算法进行模式识别，识别采集的人像信息。支持向量机具有样本量低，分类准确的优势，通过选用合适的核函数和系统参数，可以提高分类的准确率。