摘 要：在科學(xué)技術(shù)高度發(fā)展的背景下，人臉識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用在各個(gè)領(lǐng)域之中，OpenCV是應(yīng)用人臉識(shí)別的關(guān)鍵算法?；诖?，本文將對(duì)基于OpenCV的人臉識(shí)別技術(shù)算法進(jìn)行詳細(xì)闡述，并以檢測(cè)人臉、圖像預(yù)處理、識(shí)別特征、特定人臉識(shí)別為切入點(diǎn)，深入探究基于OpenCV的人臉識(shí)別設(shè)計(jì)實(shí)現(xiàn)的方式，旨在充分發(fā)揮OpenCV的作用，擴(kuò)大人臉識(shí)別技術(shù)的應(yīng)用范圍。

關(guān)鍵詞：OpenCV；人臉識(shí)別；圖像處理

中圖分類號(hào)：TP391.41文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2018）05-0023-02

Research and Implementation of Face Recognition Algorithm Based on OpenCV

XIAO Yang

（School of Computer Science，Hubei University of Technology，Wuhan 430068，China）

Abstract：In the background of the high development of science and technology，face recognition technology has been widely used in various fields，and OpenCV is the key algorithm to apply face recognition. Based on this，this paper will elaborate the face recognition technology algorithm based on OpenCV，and explore the way of face recognition design based on OpenCV by detecting face，image preprocessing，recognition features and specific face recognition as the breakthrough point. It aims to give full play to the role of OpenCV and expand the application scope of the of face recognition technology.

Keywords：OpenCV；face recognition；image processing

0 引 言

OpenCV實(shí)際是一個(gè)來(lái)源圖像處理算法庫(kù)，其基礎(chǔ)為C/C++編程，優(yōu)點(diǎn)主要體現(xiàn)在獨(dú)立于操作系統(tǒng)、跨平臺(tái)、圖像與硬件管理等方面。無(wú)論將OpenCV應(yīng)用在商業(yè)領(lǐng)域還是非商業(yè)領(lǐng)域都是免費(fèi)的，并且使用便捷、速度快，具有較強(qiáng)的擴(kuò)展性，包括高層和底層的開(kāi)發(fā)包等。以O(shè)penCV為基礎(chǔ)，將圖像預(yù)處理技術(shù)應(yīng)用其中，從而形成基于OpenCV的人臉識(shí)別系統(tǒng)。

1 基于OpenCV的人臉識(shí)別的算法研究

基于OpenCV的人臉識(shí)別的算法主要包括以下幾種。

（1）高斯平滑技術(shù)。由于多種外界因素的存在，在獲得圖片、視頻之后，常常會(huì)受到噪音的影響，這樣的現(xiàn)象會(huì)導(dǎo)致圖像在進(jìn)行預(yù)處理的時(shí)發(fā)生數(shù)據(jù)被損壞、圖像細(xì)節(jié)受到損壞等問(wèn)題，而這會(huì)影響圖像的整體質(zhì)量。同時(shí)，在后期提取、識(shí)別以及檢測(cè)圖像的過(guò)程中，都會(huì)受到一定的干擾，所以必須去除采集圖像過(guò)程中的噪音。在應(yīng)用高斯平滑技術(shù)時(shí)，將其與自適應(yīng)濾波法、中值濾波法等方式相比，無(wú)論是頻率效果，還是空間域等，其效果都更加明顯，同時(shí)在增強(qiáng)低頻信息的同時(shí)，還能夠?qū)D像的輪廓邊緣保留下來(lái)。

（2）對(duì)比度增強(qiáng)技術(shù)。應(yīng)用對(duì)比度增強(qiáng)技術(shù)能夠?qū)D像中不同的亮點(diǎn)進(jìn)行分層，在測(cè)量的過(guò)程中還能夠統(tǒng)計(jì)各個(gè)點(diǎn)的像素，再將所得出的像素?cái)?shù)據(jù)進(jìn)行比較。通過(guò)這樣的方式，能進(jìn)一步擴(kuò)大各個(gè)點(diǎn)與周圍像素之間的差異，從而增強(qiáng)對(duì)比度。在這一過(guò)程中，可以選擇局部標(biāo)準(zhǔn)差、局部均值等方式進(jìn)行比較與強(qiáng)化，從而保證對(duì)比的效果[1]。

（3）Haar特征算法。實(shí)際上，Haar特征算法與廣義Hough變換特征、IFT/SURF均以灰度圖為基礎(chǔ)。但是，Haar特征算法更適合應(yīng)用于人臉識(shí)別，廣義Hough更適合應(yīng)用于人體識(shí)別，而IFT/SURF更加復(fù)雜，所以Haar在人臉識(shí)別算法中應(yīng)用的更加廣泛。

2 基于OpenCV的人臉識(shí)別的設(shè)計(jì)實(shí)現(xiàn)

2.1 檢測(cè)人臉

人臉識(shí)別系統(tǒng)，就是通過(guò)攝像頭對(duì)人臉的輪廓和特征進(jìn)行識(shí)別，其基礎(chǔ)技術(shù)為輪廓對(duì)稱性檢測(cè)方法，它可以在較為復(fù)雜的環(huán)境中獲得關(guān)于人臉的信息，最終篩選出更完整的人臉圖像，并將其轉(zhuǎn)化為Mat數(shù)據(jù)類型。具體而言，系統(tǒng)基于攝像頭，在動(dòng)態(tài)的圖像中獲取一張靜態(tài)的照片，同時(shí)鎖定具體的位置；然后采用逐級(jí)處理技術(shù)對(duì)圖片進(jìn)行處理，同時(shí)以Haar-like為基礎(chǔ)提取臉部信息；最后，將提取的臉部信息與數(shù)據(jù)庫(kù)的信息進(jìn)行對(duì)比，使用OpenCV歸一化平方差的匹配，完成人臉識(shí)別。為了減少外界因素的影響，需要對(duì)圖像進(jìn)行預(yù)處理，并結(jié)合上文的方式對(duì)人臉圖像進(jìn)行識(shí)別和檢測(cè)。

2.2 圖像預(yù)處理

圖像預(yù)處理的環(huán)節(jié)主要包含四個(gè)模塊內(nèi)容。

（1）高斯平滑處理。如上文所述，在采集人臉圖像的過(guò)程中，常常會(huì)受到不同因素的影響，即不規(guī)則的噪音，所以需要使用高斯平滑技術(shù)進(jìn)行處理。其二維高斯函數(shù)的公式為：G（x，y）=[（1/2πσ）e]-（x2+y2）/2πσ。在公式中，x、y為圖像像素模板的坐標(biāo)，σ為平滑度參數(shù)。數(shù)值越大說(shuō)明平滑度越好。

（2）灰度變換。顧名思義，灰度變化就是將彩色的圖像轉(zhuǎn)化為灰色，降低識(shí)別的難度，即將圖像中的RGB參數(shù)均調(diào)到灰度值，并使用加權(quán)平均法的方式完成轉(zhuǎn)換。其公式為：Gray=0.299*red+0.587*green+0.114*blue。

（3）對(duì)比度增強(qiáng)。對(duì)高斯平滑技術(shù)和灰度變換處理的圖像再次進(jìn)行單獨(dú)處理，即擴(kuò)大各個(gè)像素點(diǎn)之間的差異，使其灰度差異更加明顯，其標(biāo)準(zhǔn)差的計(jì)算公式為：

局部方差的公式為：

（4）二值化。二值化是針對(duì)灰度值而言的，就是使用255或者0表示人臉圖像中像素點(diǎn)的灰度值，使圖像僅有白色和黑色，從而以最快、最簡(jiǎn)單的方式對(duì)灰度特征進(jìn)行處理。本文對(duì)二值化進(jìn)行處理采用的方式為：將圖像的灰度依據(jù)相關(guān)的規(guī)律切割成若干個(gè)模塊，每一個(gè)模塊的閾值設(shè)定為T，對(duì)其進(jìn)行賦值，即255或者0，進(jìn)而完成二值化。剩余的模塊同樣采用這樣的方式進(jìn)行二值化，每一個(gè)閾值T的計(jì)算公式為：T=a*E+b*P+c*Q，其中a、b、c均屬于自由參數(shù)，E表示平均值，P表示平方差，Q表示均方根值[2]。

2.3 識(shí)別特征

第一，Haar-like特征方式。目前，人臉檢測(cè)的方式包括統(tǒng)計(jì)、知識(shí)，Haar-like屬于前者。Haar包括對(duì)角線特征、中心特征、線性特征、邊緣特征四部分，作為判定的基本元素，其特征圖模塊由白色和黑色構(gòu)成，例如：某模板的特征值為F，其數(shù)值是由白色矩形像素與黑色矩形像素之差而獲得的。在識(shí)別人臉特征的過(guò)程中，系統(tǒng)會(huì)將圖片劃分為若干個(gè)小窗口，計(jì)算機(jī)根據(jù)各個(gè)區(qū)域所對(duì)應(yīng)的特征，使用分類器對(duì)特征進(jìn)行詳細(xì)地篩選，從而做出更加準(zhǔn)確的判斷。在分析識(shí)別的過(guò)程中，系統(tǒng)可以根據(jù)窗口設(shè)置的類型和矩形的位置與大小，從對(duì)應(yīng)的圖像中獲取有價(jià)值的信息集合。例如：在一個(gè)尺寸為24×24像素的窗口中，就具有十萬(wàn)以上的矩形特征[3]。

第二，積分圖的方式。積分圖只需要對(duì)圖像進(jìn)行一次識(shí)別，就能夠計(jì)算出所在區(qū)域的像素之和，這樣的方式能夠更快速地獲取圖像信息，提高工作的效率與質(zhì)量。實(shí)際上，積分圖的原理為：（x，y）位置所處的I（x，y），正是原圖像上方所有像素之和，其公式為：

具體而言，構(gòu)建積分圖算法的過(guò)程為：（1）使用s（x，y）表示行為方向的和，初始為0=（x，-1）s；（2）使用I（x，y）表示積分圖像，初始化結(jié)果為0=（-1，y）I；（3）對(duì)圖像進(jìn)行掃描，并使用公式：s（x，y）=s（x，y-1）+f（x，y）、I（x，y）=I（x-1，y）+s（x，y），對(duì)每一個(gè)像素點(diǎn)的行方向進(jìn)行累加，并得出最終的數(shù)值；（4）對(duì)圖像進(jìn)行遍歷，當(dāng)結(jié)果與其右下角像素相等時(shí)，便可完成積分圖的工作。此時(shí)，需要對(duì)圖像中任何矩陣P區(qū)域?qū)?yīng)的四個(gè)點(diǎn)進(jìn)行確定，其公式為：Psum=I（α）+I（β）-[I（γ）+I（δ）]。

第三，AdaBoost算法。實(shí)際上是基于Boosting算法而生成的，屬于強(qiáng)學(xué)習(xí)的算法之一，在對(duì)人臉特征進(jìn)行識(shí)別時(shí)，需要對(duì)Haar特征的分類進(jìn)行反復(fù)訓(xùn)練，從而在經(jīng)過(guò)多次迭代之后，形成一個(gè)級(jí)聯(lián)體系的分類器，對(duì)人臉圖像進(jìn)行多層判斷，從而完成識(shí)別。

2.4 特定人臉識(shí)別

為識(shí)別特定人臉，需以O(shè)penCV中的模板匹配為基礎(chǔ)，利用歸一化平方差算法，計(jì)算待識(shí)別人臉與模板人物面部特征的匹配度。算法公式如下：

R（x，y）=[Σx’，y’T（x’，y’）-I（x+x’，y+y’）2]/[Σx’，y’T（x’，y’）2·Σx’，y’I（x+x’，y+y’）2]

上述公式中，T代表模板人臉，I代表待識(shí)別人臉，R則代表模板與待識(shí)別人臉的匹配情況。將T與I均輸入計(jì)算機(jī)后，計(jì)算機(jī)可隨即運(yùn)行上述算法，最終得到R（x，y）值。通過(guò)對(duì)R（x，y）值的觀察，即可得到特定人臉的最終識(shí)別結(jié)果。

為評(píng)估以O(shè)penCV為基礎(chǔ)的人臉識(shí)別算法的應(yīng)用效果，本課題采用實(shí)驗(yàn)的方式，選取人物A作為樣本，觀察了計(jì)算機(jī)的人臉識(shí)別結(jié)果。測(cè)試流程及效果如下：第一，在計(jì)算機(jī)界面點(diǎn)擊“開(kāi)啟視頻”鍵，初始化攝像頭，使其開(kāi)始識(shí)別人臉；第二，人臉檢測(cè)3s后，系統(tǒng)提示人臉識(shí)別未成果。分析發(fā)現(xiàn)，導(dǎo)致該問(wèn)題發(fā)生的原因，可能與人臉模板中無(wú)與人物A特征值相關(guān)的數(shù)據(jù)有關(guān)；第三，點(diǎn)擊“添加”鍵，將人物A的人臉特征值輸入系統(tǒng)中，繪制并生成模板；第四，重新返回主界面，開(kāi)啟攝像頭，2s后系統(tǒng)提示，人臉識(shí)別成功。此時(shí)，該人物的姓名等相關(guān)信息均已呈現(xiàn)在計(jì)算機(jī)界面，證實(shí)了OpenCV的應(yīng)用價(jià)值。

3 結(jié) 論

綜上所述，基于OpenCV的人臉識(shí)別算法有多種形式，均發(fā)揮著自身的優(yōu)勢(shì)，并推動(dòng)技術(shù)的發(fā)展。以此為基礎(chǔ)，應(yīng)用基于OpenCV的人臉識(shí)別能夠?qū)θ四樳M(jìn)行準(zhǔn)確、快速的檢測(cè)，對(duì)檢測(cè)的圖像進(jìn)行預(yù)處理，并且可以識(shí)別臉部的特征，實(shí)現(xiàn)了人臉識(shí)別的價(jià)值，獲得了優(yōu)異的效果，并有效擴(kuò)大了該項(xiàng)技術(shù)的應(yīng)用范圍，為人們的生產(chǎn)生活帶來(lái)了更多的便利。所以，為了充分實(shí)現(xiàn)基于OpenCV的人臉識(shí)別技術(shù)，可以將文中的方式應(yīng)用在實(shí)際中。

參考文獻(xiàn)：

[1] 張若偉，石琳.基于OpenCV的人工神經(jīng)網(wǎng)絡(luò)人臉面部表情識(shí)別研究 [J].電腦知識(shí)與技術(shù)，2017（23）：151-153.

[2] 張俊，李鑫，趙莎莎，等.基于嵌入式平臺(tái)和OPENCV的人臉識(shí)別系統(tǒng)設(shè)計(jì) [J].電腦知識(shí)與技術(shù)，2016（4）：195-197.

[3] 陳凱文，文進(jìn)宇，黃濤，等.基于OpenCV的人臉識(shí)別門禁系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) [J].電腦與信息技術(shù)，2015（6）：33-35.

作者簡(jiǎn)介：肖陽(yáng)（1986-），男，漢族，上海人，研究生。研究方向：計(jì)算機(jī)。