机器人视觉系统.docVIP

机器人视觉系统 ——人脸识别技术 优势 1 不被察觉在检测到人脸并定位面部关键特征点之后，主要的人脸区域就可以被裁剪出来，经过预处理之后，馈入后端的识别算法。识别算法要完成人脸特征的提取，并与库存的已知人脸进行比对，完成最终的分类。过程一般分三步：(1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。(2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。(3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库存中的面纹编码进行检索比对。上述的“面纹编码”方式是根据人脸脸部的本质特征和开头来工作的。这种面纹编码可以抵抗光线、皮肤色调、面部毛发、发型、眼镜、表情和姿态的变化，具有强大的可靠性，从而使它可以从百万人中精确地辩认出某个人。人脸的识别过程，利用普通的图像处理设备就能自动、连续、实时地完成。 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（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