标题:
基于OpenCV的人脸识别系统设计
[打印本页]
作者:
porereading
时间:
2013-1-18 09:36
标题:
基于OpenCV的人脸识别系统设计
人脸识别的研究可以追溯到上个世纪六、七十年代，经过几十年的曲折发展已日趋成熟，构建人脸识别系统需要用到一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等 。而人脸识别在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值，可广泛应用于各类监控场合，因此具有广泛的应用前景。OpenCV是Intel 公司支持的开源计算机视觉库。它轻量级而且高效--由一系列 C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的很多通用算法，作为一个基本的计算机视觉、图像处理和模式识别的开源项目，OpenCV 可以直接应用于很多领域，其中就包括很多可以应用于人脸识别的算法实现，是作为第二次开发的理想工具。
1 系统组成
本文的人脸识别系统在Linux 操作系统下利用QT库来开发图形界面，以OpenCV 图像处理库为基础，利用库中提供的相关功能函数进行各种处理：通过相机对图像数据进行采集，人脸检测主要是调用已训练好的Haar 分类器来对采集的图像进行模式匹配，检测结果利用PCA 算法可进行人脸图像训练与身份识别，而人脸表情识别则利用了Camshift 跟踪算法和Lucas–Kanade 光流算法。
2 搭建开发环境
采用德国Basler acA640-100gc 相机，PC 机上的操作系统是Fedora 10，并安装编译器GCC4.3，QT 4.5和OpenCV2.2 软件工具包，为了处理视频，编译OpenCV 前需编译FFmpeg，而FFmpeg 还依赖于Xvid库和X264 库。
3 应用系统开发
程序主要流程如图1 所示。
图1 程序流程（visio）
3.1 图像采集
图像采集模块可以通过cvCaptureFromAVI（）从本地保存的图像文件或cvCaptureFromCam（）从相机得到图像，利用cvSetCaptureProperty（）可以对返回的结构进行设置：
IplImage *frame；CvCapture* cAMEra = 0；
camera = cvCaptureFromCAM（ 0 ）；
cvSetCaptureProperty（camera，
CV_CAP_PROP_FRAME_WIDTH， 320 ）；
cvSetCaptureProperty（camera，
CV_CAP_PROP_FRAME_HEIGHT， 240 ）；
然后利用start（）函数开启QTimer 定时器，每隔一段时间发送信号调用自定义的槽函数，该槽函数用cvGrabFrame（）从视频流中抓取一帧图像放入缓存，再利用CvRetrieveFrame（）从内部缓存中将帧图像读出用于接下来的处理与显示。在qt 中显示之前，需将IplImage* source 转换为QPixmap 类型。
uchar *qImageBuffer = NULL；
/*根据图像大小分配缓冲区*/
qImageBuffer = （uchar*） malloc（source-》width *
source-》height * 4 * sizeof（uchar））；
/*将缓冲区指针拷贝到存取Qimage 的指针中*/
uchar *QImagePtr = qImageBuffer；
/* 获取源图像内存指针*/Const uchar*
iplImagePtr=reinterpret_cast/《uchar*》》（source-》imageDat
a）；
/*通过循环将源图像数据拷贝入缓冲区内*/
for （int y = 0； y 《 source-》height； ++y）{
for （int x = 0； x 《 source-》width； ++x）{
QImagePtr［0］ = iplImagePtr［0］；
QImagePtr［1］ = iplImagePtr［1］；
QImagePtr［2］ = iplImagePtr［2］；
QImagePtr［3］ = 0；
QImagePtr += 4；
iplImagePtr += 3； }
iplImagePtr+=source-》widthStep–3*source-》width； }
/*将Qimage 转换为Qpixmap*/QPixmap local =
QPixmap：：fromImage（QImage（qImageBuffer，source-》wi
dth，source-》height， QImage：：Format_RGB32））；
/*释放缓冲区*/
free（qImageBuffer）；
最后利用QLabel 的setPixmap（）函数进行显示。
3.2 图像预处理
由于大部分的脸部检测算法对光照，脸部大小，位置表情等非常敏感， 当检测到脸部后需利用cvCvtcolor（）转化为灰度图像，利用cvEqualizeHist（）进行直方图归一化处理。
作者:
TLP291
时间:
2013-1-30 14:03
光光耦网——全球光耦资源整合者
原装、现货
http://www.tosharp.cn/
欢迎光临 电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛 (http://bbs.eccn.com/)
Powered by Discuz! 7.0.0
