OpenCV在人臉門禁系統(tǒng)的研究與應(yīng)用.pdf

1、　　人臉檢測與識別是計算機視覺與模式識別領(lǐng)域中重要的基礎(chǔ)研究課題,隨著人們安全防范意識的的加強,這一基礎(chǔ)研究在門禁系統(tǒng)的應(yīng)用顯得日益重要了。
　　本文闡述了國內(nèi)外人臉檢測識別技術(shù)研究及應(yīng)用的發(fā)展現(xiàn)狀,討論了對人臉圖像檢測和識別之前的圖像預(yù)處理步驟,介紹了常見的人臉檢測識別方法,重點分析了人臉檢測的一個重要機制：多個弱分類器集成的方法,即Viola等提出的基于AdaBoost的實時人臉檢測算法,該方法使用了Harr-like特征表

2、示圖像,引入了“積分圖”概念,提高了特征值的計算速度,采用AdaBoost方法生成強分類器,使用了級聯(lián)“Cascade“策略提高人臉檢測速度,取得較好檢測性能。詳細的闡述了主成分分析(PCA)的人臉識別方法,即利用K-L變換抽取人臉的主要成分,構(gòu)成特征臉空間,以達到過濾出所有信息中占最大信息量的成分(主成分),消除次成分,通過關(guān)聯(lián)性特性,對重新構(gòu)建的模型參數(shù)進行比較評測,是目前使用最廣泛的人臉識別基準(zhǔn)方法。重點研究了人臉跟蹤算法(Cam

3、shift)的優(yōu)缺點,提出了采用AdaBoost算法進行人臉定位,提取位置信息再將其作為初始化人臉跟蹤窗口傳遞給Camshift進行自動人臉跟蹤的改進算法。
　　OpenCV(Open Source Computer Vision)是一個開源的計算機視覺庫,支持Windows, Linux,Mac OS,Android等常見操作系統(tǒng),代碼移植性強。本文利用OpenCV開源庫中的一些數(shù)據(jù)類型如CMat、IPlimage和OpenC