图像处理——基于机器视觉技术的人脸在线识别系统设计

基于机器视觉技术的人脸在线识别系统设计

　　本设计研究人脸检测与识别技术，在基于机器视觉技术上，构建了一套人脸在线检测识别系统，系统将由以下几个部分构成：计算机图像预处理、数据收集和预处理、

人脸图像定位检测、人脸识别模型训练、人脸识别。经过实验，确定该系统可对本人的人脸进行快速并准确的检测与识别。

关键词: 机器视觉；图像处理；人脸检测；人脸识别；OpenCV；人脸模型训练

一、设计目标

掌握人脸识别步骤；
熟悉条人脸识别的相关算法；
熟悉机器视觉系统设计的一般流程；
掌握常用图像处理技术与OpenCV的使用方法；

设计内容与要求

1.完成基于机器视觉技术的人脸在线识别系统算法设计；

2.完成基于机器视觉技术的人脸在线识别系统上位机设计；

3.人脸识别误差率≤2%；

扫描二维码关注公众号，回复： 5571099 查看本文章

二、图片——人脸检测（https://www.cnblogs.com/fpzs/p/10522684.html）

2.1、主要步骤

加载 Opencv 自带的人脸检测 haarcascade_frontalface.xml 分类器。
图像预处理 cvtColor（灰度化）。
使用 detectMultiScale 函数进行识别。
使用 rectangle 函数绘制找到的目标矩形框。
在原图像上 ROI 截取彩色的人脸保存。

2.2、detectMultiScale函数介绍

cvHaarDetectObjects是opencv1中的函数，opencv2中人脸检测使用的是 detectMultiScale函数。它可以检测出图片中所有的人脸，

并将人脸用vector保存各个人脸的坐标、大小（用矩形表示），函数由分类器对象调用：

void detectMultiScale(
const Mat& image,
CV_OUT vector<Rect>& objects,
double scaleFactor = 1.1,
int minNeighbors = 3,
int flags = 0,
Size minSize = Size(),
Size maxSize = Size()
);

参数1：image--待检测图片，一般为灰度图像加快检测速度；

参数2：objects--被检测物体的矩形框向量组；
参数3：scaleFactor--表示在前后两次相继的扫描中，搜索窗口的比例系数。默认为1.1即每次搜索窗口依次扩大10%;
参数4：minNeighbors--表示构成检测目标的相邻矩形的最小个数(默认为3个)。
如果组成检测目标的小矩形的个数和小于 min_neighbors - 1 都会被排除。
如果min_neighbors 为 0, 则函数不做任何操作就返回所有的被检候选矩形框，
这种设定值一般用在用户自定义对检测结果的组合程序上；
参数5：flags--要么使用默认值，要么使用CV_HAAR_DO_CANNY_PRUNING，如果设置为

CV_HAAR_DO_CANNY_PRUNING，那么函数将会使用Canny边缘检测来排除边缘过多或过少的区域，

因此这些区域通常不会是人脸所在区域；
参数6、7：minSize和maxSize用来限制得到的目标区域的范围。

2.3、检测结果

三、视频——人脸检测（https://www.cnblogs.com/fpzs/p/10526219.html）

3.1、主要步骤

1.加载分类器，将人脸检测分类器和笑脸检测分类器放在项目目录中去
2.调用detecMutiScale()函数检测，对函数中相关的参数进行修改调整，
　是检测的结果更加精确
3.打开摄像头或者视频文件，把检测到的人脸用矩形画出来

3.2、’检测结果

四、制作自己的人脸数据集（https://www.cnblogs.com/fpzs/p/10533485.html）

4.1、主要步骤

1、加载人脸检测器
2、打开电脑摄像头，载入视频流，抽取帧，进行灰度化处理
3、识别人脸，采集20张保存到文件中

4.2、制作结果

4.3、参考数据集

五、制作自己的人脸数据集（https://www.cnblogs.com/fpzs/p/10535093.html）

利用pyhton脚本生成csv文件，为训练自己的人脸识别模型做数据准备
5.1、主要步骤

1、载入对应路径
2、提取每一张图片对应的位置与同一个人脸对应的标签
3、写入存储文件夹data.txt

5.2、生成结果

六、训练模型

6.1、主要步骤

1.创建了一个特征脸模型用于人脸识别
2.通过CSV文件face.txt读取的图像和标签训练它 
3.创建一个PCA人脸分类器，T这里是一个完整的PCA变换
4.调用其中的成员函数train()来完成分类器的训练

6.2、训练结果

生成了MyFaceModel.xml文件，可以直接使用进行人脸识别

七、人脸识别（https://www.cnblogs.com/fpzs/p/10550450.html）

7.1、主要步骤

1.打开摄像头。
2.加载人脸检测器，加载人脸模型。
3.待识别图像预处理 resize cvtColor 等，人脸检测
4.把检测到的人脸与人脸模型里面的对比，找出这是谁的脸。
5.如果人脸是自己拍照的人脸，显示自己的名字“face_zsc”。

7.2、识别结果
成功检测出人脸，并且识别出是谁的人脸，给出对应标签

八、代码

图像处理——基于机器视觉技术的人脸在线识别系统设计

猜你喜欢