基于OpenCV的人脸检测系统设计与实现毕业设计说明书.docx
- 文档编号:23379687
- 上传时间:2023-05-16
- 格式:DOCX
- 页数:51
- 大小:3.32MB
基于OpenCV的人脸检测系统设计与实现毕业设计说明书.docx
《基于OpenCV的人脸检测系统设计与实现毕业设计说明书.docx》由会员分享,可在线阅读,更多相关《基于OpenCV的人脸检测系统设计与实现毕业设计说明书.docx(51页珍藏版)》请在冰豆网上搜索。
基于OpenCV的人脸检测系统设计与实现毕业设计说明书
毕业设计说明书
基于OpenCV的人脸检测系统设计与实现
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
基于OpenCV的人脸检测系统设计与实现
摘要
目前,人脸检测定位和跟踪已经成为计算机视觉与模式识别领域非常活跃的研究课题之一,在身份验证、信息安全、电子商务、基于内容的图像与视频检索、视频监控、智能人机交互、可视通信、虚拟现实、公安档案管理等很多方面都有着重要的应用价值。
人脸检测是人脸识别的首要环节,目的就是将人脸从图像背景中检测出来,是人脸识别、视频跟踪及人脸图像压缩等应用中的重要环节。
由于受图像背景、亮度变化及人的头部姿势等因素的影响,使得人脸检测成为一项复杂的、具有挑战性的研究课题。
本文首先阐述了人脸检测技术的基本概念,对人脸检测领域的发展状况做了简要的介绍,然后对现有的各种人脸检测算法和技术做了深入的研究和讨论,并介绍了Intel开源计算机视觉库OpenCV及其在VC++6.0下的配置方法,最后采用AdaBoost学习算法实现了基本的人脸检测,以及视频中的人脸检测、摄像头监控检测等功能。
实验表明本文研究的人脸检测方法具有检测速度快、精度高、实时性好的特点,具有一定的理论价值与实用价值。
本文研究了基于Adaboost的人脸检测算法之后,发现虽然它具有具有很强的实时性,但当采样照片的背景色彩较为复杂或者光照较强时,该方法容易在周围环境景物中识别到错误的”人脸”,人脸检测率,错检率等指标不是很理想。
关键词:
OpenCV,人脸检测及追踪,AdaBoost算法,Haar特征
DesignandimplementationoffacedetectionsystembasedonOpenCVAuthor:
ChenJiangYing
Tutor:
WangHongYong
Abstract
Currently,humanfacedetectionandtrackinghasbecomeoneofthemostactiveandchallengingtasksinthefieldofComputerVisionandPatternRecognition.Ithasgreatapplicationvalueinsuchfieldsaspersonalidentification,informationsecurity,electroniccommerce,content-basedimageandvideoretrieval,videosurveillance,intelligenthuman-machineinteraction,visualcommunication,virtualreality,criminalarchiveadministration,etc.
Facedetectionisthefirststepoffacerecognition,anditsaimistodetecthumanfacesfromthebackgroundofimage.It’sanimportantstepinthefieldoffacerecognition,videotrackingandhumanfaceimagecompression,etc.However,theresultoffacedetectionisusuallyaffectedbytheimagebackground,brightnessorheadpostureofimageandsoon,whichmakesfacedetectionbecomeacomplicatedandchallengingsubject.
Thispaperfirstlypresentedthebasicconceptofhumanfacedetectiontechnology,andgaveabriefintroductionofthedevelopmentoffacedetection;thensomeexistingfacedetectionalgorithmsaredeeplystudiedanddiscussed,anditintroducedIntelOpenSourceComputerVisionLibraryandtheconfigurationmethodundertheenvironmentofVC++6.0;lastlyusedAdaboost-basedlearningalgorithmandrelizedthebasicfunctionoffacedetection,facedetectioninthevideoandcamerafacemonitoring.Theexperimentindicatethatthemethodoffacedetectionproposedinthispaperhasthecharacterofrapidspeed,highaccuracyandreal-time,showingacertaindegreeoftheoreticalandpracticalvalue.
AfterstudyingtheAdaboost-basedalgorithmoffacedetectioninthispaper,wecanseethatithasthecharacterofreal-time,butwhenthebackgroundcolorofthesampleimageisrelativelycomplexorhasstronglight,thismethodmightidentifywrong“humanfaces”inthesurroundingenvironment,andfacedetectionrate,errordetectionrateisnotsatisfying.
Keywords:
OpenCV,FaceDetectionandTracking,AdaBoostalgorithm,HaarFeature
1绪论
1.1课题背景及目的
近年来,随着计算机技术的迅猛发展和安全入口控制、信息安全、金融贸易、电子商务等方面应用需求的快速增长,生物识别技术渐渐得到广泛的重视。
人脸识别技术由于其具有的非接触型认证、直接、友好、方便等特点得到广泛的研究和开发,成为近30年模式识别和计算机视觉领域最有潜力的生物身份验证手段和最热门的研究课题之一。
人脸检测是人脸识别研究中重要的第一步,目的就是从图像中分割出不包括背景的人脸区域。
但是由于早期的人脸识别研究主要针对具有较强约束条件的人脸图像(如无背景图像),往往假设人脸位置已知或者容易获得,因而人脸检测问题并未受到重视。
近几年,随着电子商务等应用的不断发展,人脸检测开始作为独立的课题受到研究者的重视。
今天,人脸检测的研究已经远远超过了人脸识别系统的范畴,在身份验证、基于内容的图像检索、视点监测等方面都有着重要的应用价值。
对人脸检测技术的研究,已经经历了由简单到复杂,由静态图像检测到视频流实时检测的发展,目前正在向三维人脸检测的方向发展,特别是Viola等人于2001年提出的基于积分图像的AdaBoost算法,是第一个实时的人脸检测算法,从根本上解决了检测速度的问题,成为目前最为流行、检测效率最高的一种算法。
目前对人脸检测的研究不仅实现了对静态图像进行单个、多个人脸的检测,而且能够对动态视频图像的人脸进行检测和跟踪。
但对动态人脸的检测还处于初级阶段,还有很多问题有待解决。
目前对于人脸检测技术的研究距实际应用还有一定的距离,性能和检测准确率还有待提高;因而,在今后的社会发展和研究领域中,人脸检测与跟踪的研究不仅具有重要的理论意义,而且具有十分重要的应用价值。
1.2人脸检测技术概况
1.2.1基本概念
人脸检测是指在输入图像或动态的场景中确定所有存在的人脸的位置、大小、位姿、数量等的过程。
人脸检测作为人脸信息处理中的一项关键技术,近年来成为模式识别和计算机视觉领域内一项受到普遍重视、研究相当活跃的课题,它是目标检测和识别的一个典型案例。
人脸检测研究具有重要的学术价值和很大的挑战性,其研究的难点主要在于:
人脸是一类高度非刚性的目标;
人脸由于相貌、表情、肤色等差异,具有模式可变性;
人脸上可能存在一些附属物,如眼镜、胡须等;
人脸姿态千变万化,而且可能受光照、遮挡物等的影响;
待检测图像的性质差异,如分辨率等。
人脸检测的过程涉及从复杂的背景中分割、提取人脸区域和可能用到的人脸器官特征。
一个成功的人脸检测系统应该能够很好地处理光线、噪声、遮挡等不可预测因素的影响。
因此,如果能够找到解决上述问题的方法,成功构造人脸检测和跟踪系统,将为解决其它类似的复杂模式检测问题提供重要的启示。
1.2.2发展历史
人脸检测问题最初来源于人脸识别,对人脸识别的研究可以追溯到上个世纪六、七十年代,经过几十年的发展已日趋成熟。
早期的人脸识别研究主要针对有约束条件的人脸图像,而且假设人脸的位置固定或容易获得。
因此人脸检测问题并没有得到重视。
近年来,随着电子商务和人们安全意识的提高,对人脸识别系统的各种应用需求要求识别系统能够对一般环境具有一定的适应能力,由此吸引了很多研究者对各方面检测技术的研究,并逐渐形成一个独立的研究方向。
人脸识别的研究已经有相当长的历史,大致可以分为四个阶段:
1.第一阶段:
人类最早的研究至少可追朔到20世纪50年代在心理学方面的研究和六十年代在工程学方面的研究:
J.S.Bruner于1954年写下了关于心理学的Theperceptionofpeople,Bledsoe在1964年就工程学写了FacialRecognitionProjectReport,国外有许多学校在研究人脸识别技术,其中有从感知和心理学角度探索人类识别人脸机理的,如美国TexasAtDallas大学的Abdi和Tool小组,由Stirling大学的Bruce教授和Glasgow大学的Burton教授合作领导的小组等;也有从视觉机理角度进行研究的,如英国的Graw小组和荷兰Groningen大学的Petkov小组等。
2.第二阶段:
始于20世纪70年代的关于人脸的机器识别研究:
以Allen和Parke为代表,主要研究人脸识别所需的面部特征。
研究者采用计算机实现了较高质量的人脸灰度图模型。
这一阶段工作的特点是识别过程完全依赖于操作人员,不能完成自动识别。
3.第三阶段:
人机交互识别阶段:
Harmon和Lesk用几何特征参数来表示人脸正面图像。
他们采用多维特征矢量表示人脸面部特征,并设计了基于这一特征表示法的识别系统。
Kaya和Kobayashi则采用了统计识别方法,用欧氏距离来表示人脸特征。
但这类方法需要来自操作员的先验知识,仍摆脱不了人的干预。
4.第四阶段:
20世纪90年代以来,随着高性能计算机的出现,人脸识别方法有了重大突破,对于人脸识别的研究进入了真正的机器自动识别阶段。
1.3课题研究背景及意义
1.3.1研究背景
人脸检测问题最初来源于人脸识别,一个完整的人脸识别应用系统应该包括人脸检测、特征提取和识别三大基本过程。
早期人脸识别研究主要针对具有较强约束条件的人脸图像,即简单人脸检测,因此人脸检测问题并未受到重视。
近年来,随着社会的发展和视觉监控、远程教育和智能人机交互等方面应用需求的急速增长,人脸识别以其非侵犯性、直接、友好和方面的优势成为最有潜力的、使用最广泛的生物统计识别手段,这种应用背景要求人脸识别系统能够适应通用人脸检测范畴的应用,由此所面临的一系列问题引起了众多研究者对人脸检测各个方面研究的极大兴趣,人脸检测渐渐独立于人脸识别成为一个专门的研究方向。
今天,人脸检测的研究背景已经远远超出了人脸识别,在身份验证、人机交互、虚拟现实、图像检索等方面都有着广泛的应用。
1.3.2研究意义
人脸检测作为人脸识别的第一步,目的就是将人脸从图像背景中分割出来。
虽然近年来人脸方面的研究取得了一些可喜的成果,但现有的人脸研究算法对人脸位置和状态都有一定的要求,通常要求事先己经知道人脸所处的位置、人脸大小,并且对人脸的旋转角度、亮度和对比度也有较严格的要求,因而具有一定的局限性。
实际应用中,图像和视频中人脸的位置、朝向和旋转角度都不是固定的,而且图像背景,光照等条件也是变化的,这就需要首先进行人脸检测,得到人脸位置并分离背景,对视频图像则需跟踪数帧中的人脸状态,从中选出适合处理算法的人脸图像。
人脸检测系统的构造将为解决人脸识别、表情分析、性别、种族、年龄判别等类似的复杂模式奠定良好的基础,同时也为这些问题的解决提供重要的启示。
因此,人脸检测与识别课题具有十分重要的理论和应用研究价值。
1.4人脸检测研究现状
1.4.1国外研究现状
由于人脸检测有着相当广泛的应用和研究价值,因此,许多国家很早就展开了相关方面的研究。
主要有美国、欧洲国家、日本、韩国等科技发达的国家。
早在1993年,美国国防部高级研究项目组(ARPA)和美国陆军研究实验室(ARL)成立了Feret(FaceRecognitionTechnology)项目组,建立了Feret人脸数据库,广泛应用于评价人脸检测算法的性能。
目前,国外对人脸检测问题的研究层出不穷,英国、美国等许多国家都有大量的研究小组从事人脸检测方面的研究,这些研究受到了军方、警方以及一些身份验证等公司的高度重视和支持。
著名的研究机构有美国麻省理工大学(MIT)的Medialab、AIlab,卡内基梅隆大学(CMU)的Human-ComputerInterfaceInstitute,MicrosoftResearch,英国的DepartmentofEngineeringinUniversityofCambridge,法国的INRIA研究院,日本的ATR研究院等等。
关于人脸检测的学术交流活动也相当活跃。
在一些重要的国际会议上,如国际计算机视觉会议(ICCV)、计算机视觉与模式会议(CVPR)、计算机图形学大会(Siggraph)都设有人脸检测的专题。
1.4.2国内研究现状
人脸检测技术在机关单位考勤、网络安全、物业管理等领域起着越来越重要的作用,我国对人脸检测的研究起步于20世纪80年代,主要的研究单位有清华大学,哈尔滨工业大学,中科院计算所,中科院自动化所,复旦大学,北京科技大学等,并都取得了一定的成果。
研究方法主要集中在几何特征、代数特征、神经网络和模板匹配等方面,特别是对神经网络的研究比重较大。
在此基础上,基于多分类器的人脸检测受到的关注较大,研究成果也较多。
特别在引入三维特征后,利用二维信息和三维信息的融合进行人脸检测成为了另一个亮点和热点。
中国科学院计算所的国家863项目“面像检测与识别核心技术”通过成果鉴定并得以初步应用,标志着我国在人脸检测这一当今热点科研领域得到了飞跃的进步,并掌握了一定的核心技术[3]。
2005年1月18日,由清华大学电子系苏光大教授主持承担的国家“十五”攻关项目《人脸识别系统》通过了由公安部主持的专家鉴定,鉴定委员会认定该项技术达到了国内领先水平和国际先进水平。
虽然国内的研究取得了突飞猛进的进展,但对人脸检测和识别的研究仍处于初级阶段,研究方向比较狭隘,与国际研究水平仍存在一定的差距。
1.5论文研究内容
本文在理论上对人脸检测与跟踪关键技术进行研究,了解和掌握了数字图像处理和人脸检测的主要算法,通过VisualC++和OpenCV结合编程实现了人脸检测系统的主要功能,并作了详细的分析。
具体来说,本文主要研究内容归结如下:
(1)对人脸检测技术的产生和发展过程等进行了调查研究,介绍了各种人脸检测算法的实现原理。
(2)了解Intel开源计算机视觉库OpenCV的基本结构,掌握其在VisualC++6.0开发环境下的配置方法。
(3)利用OpenCV基本函数和VC++开发环境编程,采用Adaboost算法和矩形特征构建人脸检测级联分类器,开发人脸检测系统界面,实现人脸检测和跟踪。
(4)总结分析系统的检测性能,并对影响性能的因素如光照、遮挡等进行探讨,以改进系统性能。
1.6论文组织结构
论文系统完整地分析和讨论了基于OpenCV开源计算机视觉库的人脸检测实现方法,各章内容的安排如下:
概述:
简要介绍了人脸检测技术的概念、发展历史和研究现状及本文的课题背景、研究意义,以及论文的主要研究内容。
人脸检测技术综述:
介绍了各种人脸检测算法的实现原理。
OpenCV概述及安装配置方法:
首先介绍了Intel开源计算机视觉库OpenCV的概念、基本结构和特点,其次介绍了它的安装和在VC++6.0环境下的配置方法。
人脸检测系统设计与实现:
对系统开发环境进行了介绍,并进行了系统可行性分析、需求分析,详细介绍了各个模块的实现方法。
系统运行与测试:
对系统运行界面进行了展示,并对各个模块进行了测试,并给出了测试结果;然后分析了系统的优缺点。
第六章总结与展望:
对论文的工作进行了总结,并对人脸检测技术的发展方向进行了展望。
1.7本章小结
本章主要介绍了人脸检测技术概况,对人脸检测这个热门的前沿技术课题进行了大体的分析。
首先通过引言引出了人脸检测在计算机视觉领域的研究发展过程,然后对人脸检测技术的概念和发展历史进行了详细的介绍,并给出了本课题的研究背景和研究意义,对国内外在人脸检测领域的研究现状进行了分析,最后给出了论文的主要研究内容和结构组织框架。
2人脸检测算法综述
2.1基于几何特征的方法
人脸的几何特征指的是人脸面部器官在几何上体现的特征阁。
基于几何特征的人脸检测方法的思想是把典型人脸的几何特征编码并规则化的人脸检测方法。
它通过检测不同的人脸面部特征的位置,然后根据它们的空间几何关系来定位人脸,当图像中的待测区域符合准则,即被检测为人脸。
2.1.1基于器官特征的方法
正如世界上没有两片完全相同的叶子一样,人脸也各不相同,但是器官也遵循着一些普遍适用的规则,即五官形状及其分布的几何规则。
检测图像中是否存在人脸,即是否存在满足这些规则的图像块。
这种方法的步骤一般是先对人脸的器官或器官的组合建立模板,然后检测图像中几个器官可能分布的位置,对这些位置点分别进行组合,用器官分布规则进行筛选,从而找到可能存在的人脸。
2.1.2基于轮廓特征的方法
人脸的轮廓可以近似地被看成一个椭圆形状,所以对图像进行人脸检测可以通过检测椭圆轮廓来确定是否有人脸存在。
具体来说,首先对待检测的图像进行边缘检测,并对细化后的边缘提取曲线特征,然后计算各曲线合成人脸的评估函数来确定是否存在人脸。
采用轮廓特征的方法对侧脸的检测同样适用。
2.1.3基于颜色纹理的方法
肤色是人脸的重要信息,它不依赖于人脸面部的细节特征,在旋转、表情变化等情况下都能保持不变,具有相对稳定性,并且和大多数背景物体的颜色相区别,因此肤色特征是在对彩色图像的人脸检测中最常用的一种特征。
肤色特征主要由肤色模型描述,常用的肤色模型有高斯模型、混合高斯模型和直方图模型。
此方法主要利用人脸皮肤表面颜色和纹理所具有的稳定性来进行人脸检测。
人脸的肤色在颜色空间中的分布相对集中,且大多数和背景物体的颜色相区别,可以利用这个特点检测人脸。
用肤色信息进行人脸检测的关键是合理选择色度坐标。
常用的方案是将彩色的R、G、B分量归一化处理。
目前人们研究更多的是将R、G、B彩色空间转化为其它彩色空间,以突出色度信息。
其它模型主要有YUV、YIQ、XYZ、YCbCr等等,其中YCbC是使用最多的一种,YCrCb是YUV模型中的一种,是一个色差模型,利用了人对色度远没有对亮度敏感而建立的,更符合人眼的视觉特点。
其中,Y是亮度信号,CrCb是色度或彩度信号。
这种方法的最大优点是可以在不同视角中检测到人脸,对姿态变化不敏感。
利用肤色特征检测出的人脸区域可能不够准确,但如果在整个系统实现中作为人脸检测的粗定位环节,它具有直观、实现简单、快速等特点,可以为后面进一步进行精确定位创造良好的条件,以达到最优的系统性能。
研究中可以和其他方法交叉使用,提高检测速度和精度。
2.2基于模板匹配的方法
模板匹配是一种经典的模式识别方法,该方法的思想是首先建立一个标准的人脸模板,由包含局部人脸特征的子模板构成,然后对一幅输入图像进行全局搜索,对应不同尺度大小的图像窗口,计算模板与待检测图像之间的相关性,通过预先设置的阈值来判断候选图像区域是否为人脸区域。
检测时,将模板在被检测的区域内分别在行和列方向上移动,计算出相关值最大的区域就是人脸区域。
此方法的优点是简单好用;缺点是计算量大,速度慢,算法复杂度高。
2.2.1通用模板匹配法
此方法首先根据人脸的先验知识设计出一个或多个人脸轮廓模板以及各个器官特征子模板,然后通过计算样本图像中脸部轮廓区域和人脸轮廓模板的相关值来检测出人脸候选区域,最后利用眼睛、鼻子等器官特征子模板验证上一步检测出的人脸候选区域是否包含人脸。
这种方法的优点是比较简单,但由于人脸特征复杂且变化很大,很难得到有效的通用模板来表示人脸
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 OpenCV 检测 系统 设计 实现 毕业设计 说明书