OpenCV在人臉門禁系統(tǒng)的研究與應(yīng)用.pdf

1、　　人臉檢測(cè)與識(shí)別是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域中重要的基礎(chǔ)研究課題,隨著人們安全防范意識(shí)的的加強(qiáng),這一基礎(chǔ)研究在門禁系統(tǒng)的應(yīng)用顯得日益重要了。
　　本文闡述了國(guó)內(nèi)外人臉檢測(cè)識(shí)別技術(shù)研究及應(yīng)用的發(fā)展現(xiàn)狀,討論了對(duì)人臉圖像檢測(cè)和識(shí)別之前的圖像預(yù)處理步驟,介紹了常見(jiàn)的人臉檢測(cè)識(shí)別方法,重點(diǎn)分析了人臉檢測(cè)的一個(gè)重要機(jī)制：多個(gè)弱分類器集成的方法,即Viola等提出的基于AdaBoost的實(shí)時(shí)人臉檢測(cè)算法,該方法使用了Harr-like特征表

2、示圖像,引入了“積分圖”概念,提高了特征值的計(jì)算速度,采用AdaBoost方法生成強(qiáng)分類器,使用了級(jí)聯(lián)“Cascade“策略提高人臉檢測(cè)速度,取得較好檢測(cè)性能。詳細(xì)的闡述了主成分分析(PCA)的人臉識(shí)別方法,即利用K-L變換抽取人臉的主要成分,構(gòu)成特征臉空間,以達(dá)到過(guò)濾出所有信息中占最大信息量的成分(主成分),消除次成分,通過(guò)關(guān)聯(lián)性特性,對(duì)重新構(gòu)建的模型參數(shù)進(jìn)行比較評(píng)測(cè),是目前使用最廣泛的人臉識(shí)別基準(zhǔn)方法。重點(diǎn)研究了人臉跟蹤算法(Cam

3、shift)的優(yōu)缺點(diǎn),提出了采用AdaBoost算法進(jìn)行人臉定位,提取位置信息再將其作為初始化人臉跟蹤窗口傳遞給Camshift進(jìn)行自動(dòng)人臉跟蹤的改進(jìn)算法。
　　OpenCV(Open Source Computer Vision)是一個(gè)開(kāi)源的計(jì)算機(jī)視覺(jué)庫(kù),支持Windows, Linux,Mac OS,Android等常見(jiàn)操作系統(tǒng),代碼移植性強(qiáng)。本文利用OpenCV開(kāi)源庫(kù)中的一些數(shù)據(jù)類型如CMat、IPlimage和OpenC