图像处理——基于机器视觉技术的人脸在线识别系统设计

Posted 2021-02-13 fpzs

 

 

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 

1. 掌握人脸识别步骤；
2. 熟悉条人脸识别的相关算法；
3. 熟悉机器视觉系统设计的一般流程；
4. 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%；

二、人脸检测

2.1、主要步骤

1. 加载 Opencv 自带的人脸检测 haarcascade_frontalface.xml 分类器。
2. 图像预处理 cvtColor（灰度化）。
3. 使用 detectMultiScale 函数进行识别。
4. 使用 rectangle 函数绘制找到的目标矩形框。
5. 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： 

 

1. void detectMultiScale(  
2.     const Mat& image,  
3.     CV_OUT vector<Rect>& objects,  
4.     double scaleFactor = 1.1,  
5.     int minNeighbors = 3,   
6.     int flags = 0,  
7.     Size minSize = Size(),  
8.     Size maxSize = Size()  
9. );  

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