实时多人人脸检测和识别 Emgu CV OpenCV

在本文中，将展示并解释使用主成分分析 (PCA) 和特征脸来为多人实时实现人脸检测器和识别器的最简单方法，以便在多个领域实现它。

文章结尾有下载地址

介绍

面部识别一直是世界各地许多人正在研究的一个问题。这个问题已经出现在多个领域和科学中，特别是在计算机科学中，其他对这项技术非常感兴趣的领域有：机电一体化、机器人学、犯罪学等。在本文中，我使用 EmguCV 跨平台 .NET 来研究这个有趣的主题Intel OpenCV 图像处理库和 C# .NET 的包装器，这些库允许我实时捕获和处理捕获设备的图像。本文的主要目标是展示和解释使用主成分分析 (PCA) 和特征脸在多个领域中实现多人实时人脸检测器和识别器的最简单方法。

背景

面部识别是一种计算机应用程序，由使用数学和矩阵技术的复杂算法组成，这些算法以光栅模式（数字格式）获取图像，然后使用不同的方法逐像素处理和比较，以获得更快、更可靠的结果。显然，这些结果取决于用于处理此问题的机器，因为这些算法、函数需要巨大的计算能力，这些是用于解决人脸识别问题最流行的技术。

技巧

传统的一些面部识别算法通过从主体面部图像中提取标记或特征来识别面部。例如，算法可以分析眼睛、鼻子、颧骨和下巴的相对位置、大小或形状。然后使用这些特征来搜索具有匹配特征的其他图像。其他算法对面部图像库进行标准化，然后压缩面部数据，仅保存图像中对面部检测有用的数据。然后将探测图像与面部数据进行比较。最早成功的系统之一基于应用于一组显著面部特征的模板匹配技术，提供一种压缩的面部表示。识别算法可分为两种主要方法：几何方法，它着眼于区分特征；光度方法，这是一种统计方法，将图像提取为值并将这些值与模板进行比较以消除差异。流行的识别算法包括特征脸主成分分析、线性判别分析、弹性束图匹配方法、隐马尔可夫模型和神经元激励动态链接匹配。

分析方法：

特征脸的一个例子：

3D

三维人脸识别是一种新出现的趋势，据称可以达到前所未有的精度。该技术使用 3D 传感器来捕获有关面部形状的信息。然后，该信息用于识别面部表面的独特特征，例如眼窝、鼻子和下巴的轮廓。 3D 面部识别的优点之一是它不像其他技术那样受到照明变化的影响。它还可以从一系列视角（包括侧面视图）识别脸部。即使完美的 3D 匹配技术也可能对表情敏感。为了实现这一目标，以色列理工学院的一个小组应用了公制几何中的工具将表达式视为等轴测图。

皮肤纹理分析

另一个新兴趋势使用标准数字或扫描图像中捕获的皮肤视觉细节。这种技术称为皮肤纹理分析，将人皮肤上明显的独特线条、图案和斑点转化为数学空间。测试表明，通过添加皮肤纹理分析，识别面部的性能可以提高 20% 至 25%。它通常用于安全系统，可以与指纹或眼睛虹膜识别系统等其他生物识别系统进行比较。

EmguCV

Emgu CV 是 Intel OpenCV 图像处理库的跨平台 .NET 包装器。允许从 .NET 兼容语言（例如 C#、VB、VC++、IronPython 等）调用 OpenCV 函数。包装器可以在 Mono 中编译并在 Linux / Mac OS X 上运行。

EmguCV 是一个很棒的包装器，它允许制作非常有趣的计算机视觉事物和任务。这个库集让我们可以在这个领域做很多事情，EmguCV 有很多功能，让我们可以使用 CPU 和 GPU来明显提高性能。

EmguCV支持一下场景：

光学字符识别(OCR)

人脸检测

行人检测

体感项目

3D重建

SURF 特征检测器...在许多其他有趣的任务之间

使用代码

首先，声明要使用的所有变量和重要对象：

C＃

//Declaration of all variables, vectors and haarcascades

        Image<bgr,> currentFrame;

        Capture grabber;

        HaarCascade face;

        HaarCascade eye;

        MCvFont font = new MCvFont(FONT.CV_FONT_HERSHEY_TRIPLEX, 0.5d, 0.5d);

        Image<gray,> result, TrainedFace = null;

        Image<gray,> gray = null;

        List<image<gray,>> trainingImages = new List<image<gray,>>();