基于OpenCV的人臉識(shí)別設(shè)計(jì)方案

3.4.2 身份識(shí)別階段

在識(shí)別新的人臉圖片時(shí)，具體的操作方法流程如下：

（1） 基于前面得到的M 個(gè)特征臉，將新采集的圖片投影到各個(gè)特征臉，計(jì)算得到一個(gè)權(quán)重集合（權(quán)重向量）。

（2） 判斷新圖片是否是一幅人臉圖像，即通過判斷圖像是否足夠靠近人臉空間。

（3） 如果是人臉圖像，則根據(jù)前面計(jì)算的權(quán)重集合（權(quán)重向量），利用權(quán)重模式將這個(gè)人臉分類劃歸到初始時(shí)計(jì)算得到的各個(gè)個(gè)體或者是成為一個(gè)新 的個(gè)體照片。簡(jiǎn)單而言，就是計(jì)算新權(quán)重到原來(lái)各個(gè)個(gè)體權(quán)重的距離，選擇最近的，認(rèn)為是識(shí)別成這個(gè)個(gè)體；如果最近的距離超出閾值，則認(rèn)為是一個(gè)新的個(gè)體。

（4） 更新特征臉或者是權(quán)重模式。

（5） 如果一個(gè)未知的人臉，出現(xiàn)了很多次，也就意味著，對(duì)這個(gè)人臉沒有記錄，那么計(jì)算它的特征權(quán)重（向量），然后將其添加到已知人臉中［6］。

OpenCV 實(shí)現(xiàn)調(diào)用cvRead《datatype》（）加載訓(xùn)練結(jié)果XML 文件，調(diào)cvEigenDecomposite（）將采集圖片映射至PCA 子空間，利用最近距離匹配方法SquaredEuclidean Distance，計(jì)算要識(shí)別圖片同每一個(gè)訓(xùn)練結(jié)果的距離，找出距離最近的即可。

3.5 臉部表情識(shí)別

臉部運(yùn)動(dòng)跟蹤利用了Camshift 算法，該算法利用目標(biāo)的顏色直方圖模型將圖像轉(zhuǎn)換為顏色概率分布圖，初始化一個(gè)搜索窗的大小和位置，并根據(jù)上一幀得到的結(jié)果自適應(yīng)調(diào)整搜索窗口的位置和大小， 從而定位出當(dāng)前圖像中目標(biāo)的中心位置。

Camshift 能有效解決目標(biāo)變形和遮擋的問題，對(duì)系統(tǒng)資源要求不高，時(shí)間復(fù)雜度低，在簡(jiǎn)單背景下能夠取得良好的跟蹤效果。

Camshift 的OpenCV 實(shí)現(xiàn)分以下幾步：

（1）調(diào)用cvCvtColor（）將色彩空間轉(zhuǎn)化到HSI 空間，調(diào)用cvSplit（）獲得其中的H 分量。

（2） 調(diào)用cvCreateHist（）計(jì)算H 分量的直方圖，即1D 直方圖。

（3） 調(diào)用cvCalcBackProject（）計(jì)算Back Projection.

（4） 調(diào)用cvCamShift（）輸出新的Search Window 的位置和面積。

我們利用光流算法評(píng)估了兩幀圖像的之間的變化，Lucas–Kanade 光流算法是一種兩幀差分的光流估計(jì)算法。它計(jì)算兩幀在時(shí)間t 到t +δt 之間每個(gè)每個(gè)像素點(diǎn)位置的移動(dòng)。是基于圖像信號(hào)的泰勒級(jí)數(shù)，就是對(duì)于空間和時(shí)間坐標(biāo)使用偏導(dǎo)數(shù)。

首先要用到shi-Tomasi 算法，該算法主要用于提取特征點(diǎn)，即圖中哪些是我們感興趣需要跟蹤的點(diǎn)，對(duì)應(yīng)函數(shù)為cvGoodFeaturesToTrack（），可以自定義第一幀特征點(diǎn)的數(shù)目，函數(shù)將輸出所找到特征值。接下來(lái)是cvCalcOpticalFlowPyrLK 函數(shù)， 實(shí)現(xiàn)了金字塔中Lucas-Kanade 光流計(jì)算的稀疏迭代版本。 它根據(jù)給出的前一幀特征點(diǎn)坐標(biāo)計(jì)算當(dāng)前視頻幀上的特征點(diǎn)坐標(biāo)。輸入?yún)?shù)包括跟蹤圖像的前一幀和當(dāng)前幀，以及上面函數(shù)輸出的前一幀圖像特征值，自定義的迭代標(biāo)準(zhǔn)，輸出所找到的當(dāng)前幀的特征值點(diǎn)。這些點(diǎn)可以確定面部局部區(qū)域的特征 如眼部，鼻子高度與寬度，嘴部?jī)蓚?cè)與底部的夾角等等，利用與前一幀的特征比較，可得出反應(yīng)臉部動(dòng)態(tài)變化的參數(shù)，這些數(shù)據(jù)可以與臉部的一些簡(jiǎn)單表情相關(guān)聯(lián)。下面圖4 為跟蹤眼睛上下眨動(dòng)的圖像。

圖4 跟蹤眼部上下眨動(dòng)圖像

4 總結(jié)

本文以OpenCV 圖像處理庫(kù)為核心，以QT 庫(kù)所提供的界面框架為基礎(chǔ)，提出了人臉識(shí)別系統(tǒng)設(shè)計(jì)方案，實(shí)驗(yàn)證明本方案具有較好的實(shí)用性，可移植性。但仍有許多不足之處，如身份與表情識(shí)別部分可以通過引入神經(jīng)網(wǎng)絡(luò)或支持向量機(jī)SVM 進(jìn)行分類，可以使識(shí)別準(zhǔn)確率與識(shí)別種類數(shù)得到提高，這些也是后續(xù)工作中步需要改進(jìn)的。