基于人脸识别的人数统计系统.docVIP

基于人脸识别的人数统计系统 　　摘 要设计了一种基于人脸检测的人数统计系统，系统软件调用USB摄像头截取画面以图片文件保存，通过人脸检测程序标出图片中的人脸并计算人脸总数。检测在系统软件图形化界面中显示，系统软件采用Visual Basic界面程序化设计。人脸检测程序采用开源视觉库OpenCV，基于Adaboost算法级联haar-like特征分类器。为提高检测率，训练了侧脸特征和正脸特征，双重检测降低漏检率。实验结果表明，能够对人脸数量较多、人脸密度较大的图片有较好的检测效果，系统检测出的人数和实际人数基本一致，说明通过人脸检测来实现人数统计切实可行。 　　【关键词】人脸检测 Harr-like特征 OpenCV Visual Basic界面 　　在日常各项生产生活中，通常需要考勤与人数统计工作，生物特征识别的方法日渐成为主流。与指纹识别相比，人脸识别具有高精度、高效率等优点，应用前景广阔。本系统软件调用USB摄像头获取现场照片，即可通过OpenCV人脸检测程序检测现场人数，具有较好的灵活性、实用性，适合教室、办公室的人员考勤。 　　1 基于Haar-like特征的人脸检测 　　设计使用Viola提出的人脸检测方法，主要有一下三步： 　　（1）以Haar-like特征表示人脸，使用“积分图”实现特征数值的快速计算； 　　（2）以Adaboost算法挑选出最能代表人脸的矩形特征； 　　（3）将若干强分类器串联成一个级联结构的层叠分类器。 　　1.1 人脸的 Haar 特征 　　Haar-like特征是计算机视觉领域一种常用的特征描述算子Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板，Haar-like特征训练样本通常有近万个且矩形特征的数量非常庞大，如果每次计算特征值都要统计矩形内所有像素之和，那么训练速度和检测速度就会极低。为了解决这个问题引入了积分图计算法。在计算矩形特征值时并不需要计算矩形内所有的像素和，只需要查找矩形的四个顶点积分图，大大减少了计算量。 　　1.2 基于OpenCV的人脸检测程序设计 　　用OpenCV的训练函数生成正脸和侧脸的分类器，将正脸检测程序和侧脸检测程序分别封装成facedetect_frontal和facedetect_multiview_reinforce函数给主函数调用。 　　大部分条件下，尤其是教室人脸检测中，正脸的数量相对较多，而且正脸检测的速度相对较快，因此采用先检测正脸，再将检测到的正脸用灰度为0的圆覆盖掉再检测侧脸，如图1所示。 　　2 基于Visual Basic的图形化界面程序设计 　　2.1 功能框架 　　程序主要分为三大部分：摄像头画面读取或图片文件读取，启动图像检测程序和返回检测结果。在程序主界面有打开摄像头，截取摄像头画面，读取本地图片文件，检测，退出程序等功能按钮。 　　2.2 运行效果分析 　　系统软件检测有两种方法，第一种点击连接按钮后摄像头开启，截取摄像头图像到界面中，点击检测按钮后，即可开启人脸检测程序。第二种方法是直接点击找图按钮上传默认文件夹下的图片，点击检测按钮即可开启人脸检测程序。本文运行效果分析采用的是第二种方法，可以看到成功标识出了人脸，系统显示最终统计人数，如图2所示。 　　3 结论 　　基于Haar-like特征的人脸检测方法使用OpenCv库，通过Aboost算法构建正脸和侧脸分类器，实验证明在图片人数不超过100人的条件下能够成功识别出人数。基于Visual Basic的图形化界面程序简洁实用，在教室、办公室场合具有一定应用价值。 　　（通讯作者：韩鑫彬） 　　参考文献 　　[1]赵黎.基于OpenCV的人脸检测系统设计与实现[J].科技信息：科学教研，2008（18）. 　　[2]江伟坚，郭躬德，赖智铭.基于新Haar-like特征的Adaboost人脸检测算法[J].山东大学学报（工学版），2014（02）：43-48. 　　[3]Yang M，Crenshaw.J，Augustine B，et al. AdaBoost-based face detection for embedded systems[J].Computer Visionand Image Understanding，2010，114（11）：1116-1125. 　　[4]刘远志，潘宏侠，赵润鹏.基于OpenCV和Adaboost算法的人脸检测[J].机械管理开发，2012（01）：185-186. 　　[5]陈志恒，姜明新.基于openCV的人脸检测系统的设计[J].电子设计工程，2012，20（10）：182-185. 　　[6]刘辉权，肖天贵，邱静雅.气象预报预警系统开