基于OpenCV的人脸识别设计方案

　　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。