基于MFC的OPENCV视频人脸检测.pdfVIP

基于MFC 的OPENCV 视频人脸检测 肖贺 北京邮电大学无线通信技术研究室，北京（100876 ） E-mail：xiaohe@ 摘 要：介绍Intel 公司支持的视频开发库OPENCV ，了解他的结构和编程思想。并且结合 人脸检测实例，说明OPENCV 中在MFC 平台下的编程方式以及Adaboost 算法。结果表明 OPENCV 对于计算机图像处理具有非常大的潜力，能够高效的实现计算机图像领域的各种 算法。 关键词：人脸检测；OPENCV；MFC 中图分类号: TP391 1. 引言 开放源代码的计算机视觉类库OPENCV( Intel Open SourceComputerVision L ibrary) 由英 特尔公司位于俄罗斯的研究实验室所开发,它是一套可免费获得的由一些C 函数和C ++类所 组成的库,用来实现一些常用的图像处理及计算机视觉算法。OPENCV 与英特尔公司所开发 的另一图像处理库IPL ( Intel Image Processing L ibrary)兼容, IPL(收费)用于实现对数字图像 的一些低级处理,而OPENCV 则主要用于对图像进行一些高级处理, 比如说特征检测与跟踪、 运动分析、目标分割与识别以及3D 重建等。由于OPENCV 的源代码是完全开放的,而且源 代码的编写简洁而又高效,特别是其中大部分的函数都已经过汇编最优化, 以使之能高效而充 分地利用英特尔系列处理芯片的设计体系, 对于 PentiumMMX, Pentium, PentiumⅢ及 Pentium4 这些处理器而言，OPENCV 的代码执行效率是非常高的,所以近年来在国外的图像 [1,2] 处理相关领域中被广泛地使用,成为一种流行的图像处理软件 。 2. OPENCV 简介 OPENCV 各库类结构 OPENCV 主要由 cv，cvaux，mll ，highgui ，cxcore 五个函数库组成。其中 cv，cvaux 库主要负责具体检测，识别，图像处理，姿势分析等高性能的部分；ml 库负责分类和聚类 算法；highgui 库负责图像的预处理，和视频的输入输出；cxcore 负责基本的数据结构，数 [1,2] 学算法，XML 支持等。另外，有基于Intel 硬件的IPP 库用于硬件加速 。 图1 OPENCV 体系结构 - 1 - 2.2 OpenCV 中使用的目标检测方法 OpenCV 中说使用的目标检测方法是我们关注的重点。OPENCV提供两种物体检测的算 法，一种是Camshift ，一种是Adaboost 。其中，camshift[3]是一种应用颜色信息的跟踪算法, 在跟踪过程中,利用目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的 结果自适应调整搜索窗口的位置和大小,从而得到当前图像中目标的尺寸和中心位置。而 Adaboost算法是Freund[4]等提出的一种boost算法，它的目标是自动地从弱分类器空间中挑选 出若干个弱分类器整合成一个强分类器。后由Viola[5] 等提出了一种基于Haar 型特征的 Adaboost算法，并用这一算法学习瀑布型正面人脸检测器。他们的方法是目前正确率最高的 算法之一，而在速度上要远远快于几乎所有其它算法，已经达到实时效果，为人脸检测的实 际应用提供了可能。其瀑布型检测器的优秀性能在很大程度上要归功于Adaboost算法. 原本这个方法只能用于检测正面无旋转的人脸.2002 年Rainer Lienh