图像处理项目——基于机器视觉技术的人脸在线识别系统设计
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
- 掌握人脸识别步骤；
- 熟悉条人脸识别的相关算法；
- 熟悉机器视觉系统设计的一般流程；
- 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、图片——人脸检测（https://www.cnblogs.com/fpzs/p/10522684.html）
2.1、主要步骤
- 加载 Opencv 自带的人脸检测
haarcascade_frontalface.xml分类器。 - 图像预处理
cvtColor（灰度化）。 - 使用
detectMultiScale函数进行识别。 - 使用
rectangle函数绘制找到的目标矩形框。 - 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：
- void detectMultiScale(
- const Mat& image,
- CV_OUT vector<Rect>& objects,
- double scaleFactor = 1.1,
- int minNeighbors = 3,
- int flags = 0,
- Size minSize = Size(),
- Size maxSize = Size()
- );
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
三、视频——人脸检测（https://www.cnblogs.com/fpzs/p/10526219.html）
3.1、主要步骤
1.加载分类器，将人脸检测分类器和笑脸检测分类器放在项目目录中去
2.调用detecMutiScale()函数检测，对函数中相关的参数进行修改调整，
是检测的结果更加精确
3.打开摄像头或者视频文件，把检测到的人脸用矩形画出来
3.2、’检测结果
四、制作自己的人脸数据集（https://www.cnblogs.com/fpzs/p/10533485.html）
4.1、主要步骤
1、加载人脸检测器
2、打开电脑摄像头，载入视频流，抽取帧，进行灰度化处理
3、识别人脸，采集20张保存到文件中
4.2、制作结果
4.3、参考数据集
五、生成csv文件（https://www.cnblogs.com/fpzs/p/10535093.html）
利用pyhton脚本生成csv文件，为训练自己的人脸识别模型做数据准备
5.1、主要步骤
1、载入对应路径
2、提取每一张图片对应的位置与同一个人脸对应的标签
3、写入存储文件夹data.txt
5.2、生成结果
六、训练模型（https://www.cnblogs.com/fpzs/p/10550305.html）
6.1、主要步骤
1.创建了一个特征脸模型用于人脸识别 2.通过CSV文件face.txt读取的图像和标签训练它
3.创建一个PCA人脸分类器，T这里是一个完整的PCA变换
4.调用其中的成员函数train()来完成分类器的训练
6.2、训练结果
生成了MyFaceModel.xml文件，可以直接使用进行人脸识别
七、人脸识别（https://www.cnblogs.com/fpzs/p/10550450.html）
7.1、主要步骤
1.打开摄像头。
2.加载人脸检测器，加载人脸模型。
3.待识别图像预处理resizecvtColor等，人脸检测
4.把检测到的人脸与人脸模型里面的对比，找出这是谁的脸。
5.如果人脸是自己拍照的人脸，显示自己的名字“face_zsc”。
7.2、识别结果
成功检测出人脸，并且识别出是谁的人脸，给出对应标签
八、代码见个人GitHub
https://github.com/hhhvvvddd/face_recognition
浅谈则止，深入理解AI大道理
扫描下方“AI大道理”，选择“关注”公众号
欢迎加入！
