基于opencv的人臉檢測系統(tǒng)設(shè)計(jì)

1摘要：人臉檢測(FaceDetection)是人臉識(shí)別(FaceRecognition)的一項(xiàng)核心技術(shù)，近年來產(chǎn)生了很多的算法，本文簡要的分析了Adaboost人臉檢測算法及介紹了在VisualStudio2013上利用VisualC++基于OpenCV3.0對(duì)人臉檢測的MFC應(yīng)用程序系統(tǒng)設(shè)計(jì)，系統(tǒng)主要功能為對(duì)任意圖像中的人臉進(jìn)行檢測提取。ofalgorithmsinrecentyears,thispaperbrieffacedetectioninViOpenCV(OpenSourceComputerVisionLibrary)是一個(gè)基于(開源)發(fā)行的輕量級(jí)而且高效——由一系列C函數(shù)和少量C++類構(gòu)成，同時(shí)提供了很多通用算法。由于其源代碼完全開源、高效性、可移植性好，近年來基于人臉檢測(FaceDetection)是指對(duì)于任意一幅給定的圖像，采用一定的策略對(duì)其進(jìn)行搜索以確定其中是否含有人臉，如果是則返回一臉的位置、大小和姿態(tài)。人臉檢測問題最初來源于上個(gè)世紀(jì)六、七十年代的人臉識(shí)別(FaceRecognition),隨著計(jì)算機(jī)網(wǎng)絡(luò)傳輸、監(jiān)控及視人臉識(shí)別成為最有潛力的生物身份驗(yàn)證手段，這種應(yīng)用背景系統(tǒng)能夠?qū)σ话銏D像具有一定的識(shí)別能力，由此所面臨的一計(jì)算機(jī)視覺領(lǐng)域內(nèi)一項(xiàng)受到普遍重視、研究十分活躍的課題的應(yīng)用背景已經(jīng)遠(yuǎn)遠(yuǎn)超出了人臉識(shí)別系統(tǒng)的范疇，在基于內(nèi)容的檢索、數(shù)字視2本系統(tǒng)是Windows8.1系統(tǒng)上進(jìn)行搭建，首先在VisualStudio2013創(chuàng)建一個(gè)MFC單文檔的應(yīng)用程序，命名為FaceDetection,然后添加相應(yīng)的相應(yīng)的最后對(duì)OpenCV函數(shù)庫的中Adaboost算法的調(diào)用，來與人臉特征庫進(jìn)行比較Adaboost(AdaptiveBoosting)是一種迭代算法，該方法是由Freund和練不同的分類器(弱分類器),然后把這些弱分類器集合起來，構(gòu)成一個(gè)更強(qiáng)的最終分類器(強(qiáng)分類器)。其算法本身是通過改變數(shù)據(jù)分布來實(shí)現(xiàn)的，它根據(jù)每次訓(xùn)練集之中每個(gè)樣本的分類是否正確，以及上次的總體分類的準(zhǔn)確率，來確定每個(gè)樣本的權(quán)值。將修改過權(quán)值的新數(shù)據(jù)集送給下層分類器進(jìn)行訓(xùn)練，最后將每次訓(xùn)練得到的分類器最后融合起來，作為最后的決策分類器。使用adaboost分類器可以排除一些不必要的訓(xùn)練數(shù)據(jù)特征，并放在關(guān)鍵的訓(xùn)練數(shù)據(jù)2.初始化樣本權(quán)重為1/n,即為訓(xùn)練樣本的初始(1)訓(xùn)練樣本的概率分布相當(dāng)下，訓(xùn)練弱分類器；(2)計(jì)算弱分類器的錯(cuò)誤率；(4)更新樣本權(quán)重；經(jīng)T次循環(huán)后，得到T個(gè)弱分類器，按更新的權(quán)重疊加，最終得到的強(qiáng)分其中每一次迭代，都要對(duì)權(quán)重進(jìn)行更新，更新的規(guī)則是：減小弱分類器分類效果較好的數(shù)據(jù)的概率，增大弱分類器分類效果較差的數(shù)據(jù)的概率，最終的3voidCFaceDetectionView:OnFileOpen()//打開相關(guān)圖片事件{cvShowlmage("原始圖像",sre);/顯示打開的圖片voidCFaceDetectionView::OnFacedetectedO//人臉檢測事件cascade=(CvHaarClassifierCascade*)cvLoad(cascade_name,0,0,0);/加載特征庫cvReleaselmage(&sre);/釋放圖像內(nèi)存-記S//設(shè)置顏色庫CvSeq*faces=cvHaarDetectObjects(small_img,cascade,storaevShowlmage("人臉檢測結(jié)果",img):/顯示相關(guān)檢測結(jié)果}為了測試本系統(tǒng)，我選擇了兩張照片：一張是多人的合照，內(nèi)容和背景都比較復(fù)雜；另外一張是一個(gè)人的照片，照片內(nèi)容相對(duì)單一。打開人臉測試應(yīng)用程序，打開相關(guān)相關(guān)文件，進(jìn)行人臉檢測得到結(jié)果分別如下：4圖1合照原始圖圖2合照檢測結(jié)果圖3單人照原始圖圖4單人照檢測結(jié)果由上述結(jié)果分析可知，不分國籍、古今、男女、老幼，人臉全部都已檢測到了，達(dá)到了預(yù)期的需求，這將在人臉識(shí)別中發(fā)揮重大的作用。但是隨著圖像分辨率的降低或者人的面目傾斜度過大都會(huì)對(duì)檢測造成一定的干擾。本文簡要介紹了Adaboost算法，并在次基礎(chǔ)上簡要的闡述了在VisualStudio2013上基于OpenCV開發(fā)人臉檢測的MFC應(yīng)用程序的過程及相關(guān)代碼的分析，并對(duì)結(jié)果進(jìn)行了簡要的分析。分析結(jié)果表明，該算法的可靠性、快速性以及經(jīng)濟(jì)性都是毋庸置疑的，系統(tǒng)可單獨(dú)運(yùn)行在Windows操作系統(tǒng)上，不再依賴開發(fā)平臺(tái)，這給軟件的普及帶來了方便。OpenCV給VisualC++數(shù)字圖像處理確實(shí)帶來了不少的便利，未來將應(yīng)用到更多的領(lǐng)域。參考文獻(xiàn)5[3]陸珂.基于OpenCV的人臉檢測與跟蹤算法研究[