探索人基于视频图像人脸检测系统运用结论

论文导读：主要目标是从视频影像背景中提取编号区域的影像信息，主要是为了方便对视频影像中的目标进行分类和处理，从而获得有效的人脸影像区域。由于检测系统是基于运动影像的，因此只需用考虑运动变化中的影像像素信息。但是由于背景、光照等因素的影响，必须改进运动检测性能，才能提高整个检测系统的性能。目前对于运动检测的工作，主要
摘要：近年来，随着数字技术的快速发展，促进了数字视频监控系统的广泛应用。在安防监控领域，基于视频图像的人脸检测和识别技术具有广泛的应用前景，也是模式识别领域的研究热点。考虑到现有人脸检测系统具有繁琐、复杂、干扰性强等弊端，文中针对光照、实时性等因素进行了着重介绍和研究，具有积极的研究意义。
关键词： 视频图像 人脸检测 光照 数字技术
1007-9416（2013）02-0089-01
1 引言
随着信息社会的到来，信息技术开始朝着数字化、智能化方向发展。尤其是基于数字技术的智能人脸检测系统，在安防监控领域得到了广泛的应用。它综合了光电技术、网络工程等技术，为重要应用领域提供了强有力安全保障，比如部队敏感区域监控系统、银行身份认证系统等。数字化技术不仅是主流的发展趋势，它也推动了人脸检测与识别技术的发展，并在行业应用安全领域具有广阔的市场前景。
2 人脸检测与识别技术

2.1 人脸检测

人脸检测与识别相关技术主要应用于身份认证、部队安全保密监控等行业安全应用领域，其中人脸检测和识别技术是关键的环节，也是系统的核心。人脸检测的主要目标是准确定位各种复杂环境下的人脸轮廓，然后进行统一人脸位置以及图像信息的格式。人脸检测以及定位子系统的准确性和性能将直接关系到整个人脸识别系统的可行性、实时性。

2.2 人脸识别

人脸识别技术的主要研究内容包括：人脸区域定位、人脸特征识别、面部分析、面部合成、面部识别等多个内容。人脸检测及其识别技术主要的应用领域涵盖了金融保密安全、医学影像分析、楼宇智能监控、远程视频会议、司法鉴定等。人脸检测与识别技术具有广阔的市场应用前摘自：毕业论文的格式www.7ctime.com
景。
3 人脸检测系统需求描述
随着数字技术的发展和应用，人脸检测技术开始融合了多种技术，其智能化、性能、效率更高，识别的精确性显著提高。本系统主要针对数字视频监控背景下的人脸检测与识别技术的研究工作，为了提高系统的性能和效率，需要考虑下述几个方面的问题：（1）环境条件对识别的影响；（2）人脸特征的分类和融合；（3）系统的精确度和性能的均衡。人脸检测系统的主要目标是在实时的视频图像中，精确地定位人脸区域，并进行准确地识别处理，这也是人脸检测与识别系统需要解决的问题。人脸检测系统的主要需求就是如何精确定位人脸区域，并进行准确的识别和处理。
4 人脸识别检测系统设计

4.1 视频图像采集子系统

在进行人脸检测、识别之前，首先要采集影像视频信息，并以指定的多媒体格式进行存储。在本系统中，主要使用DirectShow技术来采集视频图像信息。DirectShow是基于windows平台的多媒体API包，主要应用于视频图像采集、存储、播放等应用。DirectShow是以filter的模式来工作的。本系统的视频图像采集、存储的处理过程如下：
（1）设计并生成基础构件，然后进行连接。基础构件包括图像管理器、图像捕获管理器，使用ICaptureGraphBuilder2接口来连接各个构件。
（2）枚举系统中的视频设备，循环查找可用的视频设备，然后绑定到图像捕获管理器，将图像捕获管理器连接到图像组件管理器中。
（3）系统枚举可用的视频图像压缩器，选择对应的压缩器，连接到图像管理器。
（4）捕获各种环境下的人脸视频影像，系统保存为指定视频格式的文件，通常使用I文件，生成一个I过滤器。

4.2 运动图像处理子系统

运动图像处理子系统的主要目标是从视频影像背景中提取编号区域的影像信息，主要是为了方便对视频影像中的目标进行分类和处理，从而获得有效的人脸影像区域。由于检测系统是基于运动影像的，因此只需用考虑运动变化中的影像像素信息。但是由于背景、光照等因素的影响，必须改进运动检测性能，才能提高整个检测系统的性能。目前对于运动检测的工作，主要使用的处理方法包括：背景剪除法、时间差分法、光流分时法等方法。

4.3 人脸特征定位与验证子系统

在经过运动图像处理之后，然后进行肤色检测以后，得到人脸待检测区域，即候选区域，此时还需用进行人脸特征定位工作，主要目的是排除非人脸区域。需要考虑的是，实时采集的人脸影像在某些环境下并不是出于正面的位置，这就对人脸特征定位技术提出论文导读：
了较高的要求。在人脸特征定位系统中，主要是通过对人脸的主要器官：眼、耳、鼻、口等部位进行验证，来确定人脸区域。在大部分情况下，主要是对人的眼睛进行精确定位，旋转人脸等多种技巧来识别人脸区域。在系统中，主要考虑到视频监控系统的环境布局等因素，参考了眼睛在几何与灰度色彩方面特征来定位眼睛，据此来确认最终的人脸区域，采取从局部到整体的策略。

4.4 人脸识别处理子系统

在准确定位了人脸区域以后，就需要进行人脸识别。人脸识别系统是整个系统的核心，也是最为复杂的部分。而在纷繁复杂的识别技术中，主要使用K-L的特征脸识别算法EigenFace，此种算法具有较强的实际应用价值和意义。但是考虑到人脸特征的复杂性，必须要结合其它的处理技巧。考虑到人脸特征的分类情况，可以充分利用特征分类的详细信息，这样可以改善识别的性能。在综合了这两种识别方法的基础上，还要考虑到光照、摄像机方向对识别结果的影响。由于大多数情况下，实时视频监控系统周围的环境、光照、方向都不是确定的，因此必须要消除光照等因素的影响，从而提高系统的识别效率和性能。
5 结语
随着数字技术、光电技术、模式识别等技术的融合，基于实时视频图像的人脸检测系统的智能化程度以及性能必将得到进一步提高，人脸识别技术必将在各行业中得到广泛的应用，尤其在部队安全保密领域，这一技术的应用也必将极大地改善人们的生产及生活水平。
参考文献
王金辉.人脸识别算法研究[D].西安电子科技大学，2010.
王蕾.人脸识别系统与人脸检测算法研究[D].长安大学，2010.
[3] 步亚东.图像纹理特征提取的研究[D].山东师范大学，2012.