基于OpenCV的人臉檢測系統開發與實現

楊柳 顏兵

摘要：人臉檢測是人臉識別的重要環節，人臉檢測已經成為一個獨立的研究課題。本文通過分析基于OpenCV提供的Haar分類器算法，設計開發了一個人臉檢測系統。該系統成功實現了對目標圖像的人臉定位。

關鍵詞：人臉識別? ;人臉檢測 ; OpenCV? ;? Haar分類器 ; AdaBoost算法

中圖分類號：TP391.41?? 文獻標識碼：A?? 文章編號：1672-9129（2020）12-0050-01

1 人臉檢測概述及檢測過程

人臉檢測是自動人臉識別系統中的一個關鍵環節[1]，人臉檢測算法是人臉檢測系統中的關鍵問題。最早的人臉檢測算法利用模板匹配技術，通過將人臉模板圖像與被檢測圖像進行匹配，以確定某個位置是否有人臉。此后，隨著機器學習算法和卷積神經網絡被引入人臉檢測中，人臉檢測的成功率得到大幅提高。

人臉檢測的任務[2-3]是在輸入圖像中確定所有的人臉。人臉檢測有兩個步驟：（1）圖像預處理;（2）人臉位置定位。圖像預處理又分為三個步驟，及圖像灰度化、對灰度化的圖像進行直方圖均衡化。對圖像進行預處理后，就可以確定人臉的位置。本系統通過調用cv.HaarDetectObjects（）函數來完成人臉定位，這個過程需要利用OpenCV的Haar分類器。

2 系統設計

2.1開發環境。本系統是基于Python + OpenCV的人臉檢測系統，調試環境為Eclipse + PyDev 4.0.0，采用Python 2.7.9開發語言及OpenCV 2.4.10視覺庫，通過在Python中調用OpenCV提供的人臉檢測函數開發完成。

2.2系統總體功能。本系統共有三個模塊：用戶界面、獲取圖像、人臉檢測，這三個模塊分別對應一個函數，系統運行流程圖見圖1。

3 應用效果

基于某引進航空電路板，在對其故障進行診斷檢測時，通過紅外熱像儀，有著較高的檢測效率，在多方面有著顯著的優勢，比如快速故障定位。在引進該系統之后，針對于電路板故障診斷，已完成了數百余塊，有效處理了一系列較為棘手的問題，帶來了較好的經濟效益，而且在一定程度上，獲取了較為可觀的軍事效益。依據相關的統計得知，對于故障器件而言，大多數是數字芯片以及模擬元件，在對失效原因進行分析之后得知，大多數是因短路接地而引起的。由此可以得知，對于紅外熱成像檢測而言，在模擬電路方面是適用的，同時對于數字電路的檢測，亦有著較為突出的效果。

結論：通過以上的分析可以得知，為實現維修保障能力的提高，對于電路板故障的診斷，可借助于紅外熱成像檢測;系統在經過對標準與待測紅外圖像比較之后，能自動查找故障區域，而且可對故障元器件進行識別;為提升檢測精度，需確保檢測距離的一致;通過紅外熱成像檢測，能確保電路的完整，檢測結果更加直觀、更加明了，有著較高的定位效率。

參考文獻：

[1]宋中建，周章勇，唐榮.紅外熱像儀在電路板故障診斷中的應用[J].安徽科技，2020（07）：48-49.

[2]李頌，孟堅，尚鳳儀.基于紅外熱像儀的印刷電路板故障檢測系統設計[J].電腦知識與技術，2017，11（08）：211-212.

作者簡介：李展 1991，男，江蘇南通，漢，本科，在讀在職工程碩士，蘇大機電學院，研究方向：控制工程。