基于OpenCv的人臉識別系統

賀鵬遠，楊義濤，羅 媛，鄧 磊，索美霞

近年來，無論是在國內還是在發達的歐美國家，對人臉識別的研究工作從未停止過，本作品是基于OpenCv 的人臉識別系統，人臉識別的優勢在于其自然性和不被被測個體察覺的特點。

本文基于調研、分析和研究實現人臉識別功能的原理，思考人臉識別系統可能出現的問題與障礙，對人臉識別系統進行設計，主要步驟可概括為：數據收集和預處理、訓練模型、人臉識別3個部分，應用的主要技術為：OpenCv，這是一種用C++語言編寫、主要接口為C++的跨平臺計算機視覺庫。

本系統的創新點可歸納為如下5點：

1）具有非強制性：用戶不需要專門配合人臉采集設備，幾乎可以在無意識的狀態下就可獲取人臉圖像，這樣的取樣方式沒有“強制性”；

2）具有非接觸性：用戶不需要和設備直接接觸就能獲取人臉圖像；

3）具有并發性：在實際應用場景下可以進行多個人臉的分揀、判斷及識別；

4）符合視覺特性：“以貌識人”的特性；

5）還具備操作簡單、結果直觀、隱蔽性好等特點。

1 硬件設計與實現

本系統的運行流程為：當程序運行時樹莓派將本地照片中的面部圖像發送至云端服務進行分析，識別出的人臉會給出face_token，用于后續的人臉比對等操作。觸摸傳感器觸發主函數實時拍照并發送至云服務調用Search API 在Faceset 中找出與目標人臉最相似的一張或多張人臉。將比對結果發送到樹莓派本地終端，提取返回結果并將其顯示在樹莓派終端。

當觸摸開關被按下LED 閃爍，接著進行一張人臉的采集。并將此照片與已經上傳的三張照片做對比。判斷出相似的人臉。當相似度大于70%，則開門（電機正轉開門、停止并發出警報聲、電機反轉關門）。

本文采用樹莓派人臉識別系統，主要硬件包括：樹莓派3B、電源模塊、轉5V 降壓模塊、觸摸感應傳感器模塊、聲光報警模塊和驅動模塊。

硬件各部分的功能概述：

1）主控模塊。在本設計中主要起到集中分配的作用，不僅需要即時采集人臉圖像，調用API處理圖像，同時還要提供攝像頭檢測、驅動芯片、顯示屏等數字器件的工作信號。具有超強GPU、Adreno505，識別率極高，達99.6%以上。

2）觸發模塊。系統的輸入部分，實現人機交互。通過接收觸控按鍵的電平信息，使得樹莓派接收到數據。

3）檢測模塊。對人臉進行采集攝像的模塊，提供最原始的圖片信息。

4）驅動模塊。開閉的過程控制的控制元件。

2 軟件設計

本文系統設計分為7個部分，其設計流程如圖1。

圖1 軟件流程圖

2.1 人臉檢測

人臉識別的最基礎任務是人臉檢測。必須首先捕捉人臉（第1階段）才能在未來與捕捉到的新人臉對比時（第3階段）識別它。最常見的人臉檢測方式是使用Haar 級聯分類器。使用基于Haar 特征的級聯分類器的目標檢測是Paul Viola 和Michael Jones 2001年在論文《Rapid Object Detection using a Boosted Cascade of Simple Features》中提出的一種高效目標檢測方法。這種機器學習方法基于大量正面、負面圖像訓練級聯函數，然后用于檢測其他圖像中的對象。這里，本文將用它進行人臉識別。最初，該算法需要大量正類圖像（人臉圖像）和負類圖像（不帶人臉的圖像）來訓練分類器和從中提取特征。好消息是 OpenCV 具備訓練器和檢測器。如果想要訓練自己的對象分類器，如汽車、飛機等，可以使用 OpenCV 進行創建。

在循環內部調用攝像頭，并以grayscale 模式加載我們的輸入視頻。現在，調用分類器函數，向其輸入一些非常重要的參數，如比例因子、鄰近數和人臉檢測的最小尺寸。

2.2 人臉標記

用上述函數檢測完圖像中的人臉后，對圖像中的人臉進行標記，比如用藍色矩形。除此之外，還可以加入諸如眼睛檢測甚至微笑檢測這樣的檢測器。在那些用例中，只需要把分類器函數和矩形框內加入原有的面部識別區域中，因為在區域外進行識別沒有意義。

注意，在樹莓派上，分類方法（Haar Cascades）會消耗大量算力，所以在同一代碼中使用多個分類器將會顯著減慢處理速度。在臺式機上運行這些算法則非常容易。

2.3 收集數據

創建一個簡單的數據集，該數據集將儲存每張人臉的 ID 和一組用于人臉檢測的灰度圖。通過運行代碼，可以從每一個ID 捕捉30個樣本，我們能在最后一個條件語句中修改抽取的樣本數，當然也可以通過運行程序，來識別新的用戶或修改已存在用戶的相片。

2.4 訓練數據

在第二階段中，需要從數據集中抽取所有的用戶數據，并訓練OpenCV 識別器，這一過程可由特定的OpenCV 函數直接完成。這一步將在trainer目錄中保存為.yml 文件。

2.5 識別數據

在第三階段中，通過攝像頭捕捉一個新人臉，如果這個人的面孔之前被捕捉和訓練過，識別器將會返回其預測的id 和索引，并展示識別器對于該判斷有多大的信心。

3 結果與分析

通過第二章節軟件部分的論述，本系統通過調試樹莓派系統、測試攝像頭、對人臉進行檢測和標記、對數據進行收集、訓練，最終能實現識別功能。具體實現功能如下：當程序運行時樹莓派將本地照片中的面部圖像發送至云端服務進行分析，識別出的人臉會給出face_token，用于后續的人臉比對等操作。觸摸傳感器觸發主函數實時拍照并發送至云服務調用Search API 在Faceset 中找出與目標人臉最相似的一張或多張人臉。將比對結果發送到樹莓派本地終端，提取返回結果并將其顯示在樹莓派終端。當觸摸開關被按下LED 閃爍，接著進行一張人臉的采集。并將此照片與已經上傳的三張照片做對比。判斷出相似的人臉。當相似度大于70%，則開門（電機正轉開門、停止并發出警報聲、電機反轉關門）。