摘 要

当今时代的计算机产业发展迅速，人们也在这样的时代下越来越依赖于生活的信息化，而由于人脸检测可以作为人们身份验证的前提，人脸匹配可以为维护国家安全提供方法，计算机视觉发展中的人脸检测和人脸匹配已经成为了近年来的热门研究话题。本文基于这样的社会背景，提出一种基于人脸关键点识别及应用系统，整个系统的实现是基于OpenCV3.4.1，用Microsoft Visual Studio 2017实现的。

本文的主要内容包括，运用OpenCV自带的人脸检测器Haar分类器对某一张基于某一背景的图片进行人脸区域和关键点（人眼区域）的检测，从而实现人脸关键点的识别；利用均值哈希算法对某一图片找出库中与其最相似的图片，从而实现人脸匹配；对某组图片分别使用均值哈希算法和PHash计算汉明距离，寻找两种算法的区别

关键词：人脸检测；Haar检测器；相似图片；均值哈希算法；PHash

Abstract

The computer industry in the modern era has developed rapidly, and people are increasingly dependent on the informationization of life in this era, Because face detection can be used as a prerequisite for people's identity verification, face matching can provide a method for maintaining national security,Face detection and face matching in the development of computer vision has become a hot research topic in recent years. this paper proposes a key point identification and application system based on human face, The entire system implementation is based on OpenCV 3.4.1, Implemented with Microsoft Visual Studio 2017.

The main contents of this article include the use of OpenCV's own human face detector Haar classifier to detect the face area and key points (human eye area) of a picture based on a certain background so as to realize the key points of the face.Recognition; using a mean hash algorithm to find a picture in the library that is most similar to the image, so as to achieve face matching; Calculate the Hamming distance using a mean hash algorithm and PHash for a group of images to find the difference between the two algorithms.

Keywords: face detection; Haar detector; Similar images; Mean Hash Algorithm; PHash

目录

第1章 绪论 1

1.1 课题的现状和研究意义 1

1.2 本文研究的主要内容 2

1.3 本文的章节安排 3

第2章 人脸关键点检验 4

2.1 人脸关键点检测背景 4

2.2 Haar分类器 5

2.2.1 Adaboost算法 6

2.2.2 Haar-like原理 6

2.2.3 积分图原理及计算方法 7

2.3 本章小结 9

第3章 人脸相似匹配 10

3.1 人脸相似匹配综述 10

3.2感知哈希算法 11

3.2.1低频的哈希均值算法 11

3.2.2 PHash增强版： 12

3.3 两种方式比较 13

3.4 本章小结 13

第4章 实验结果及讨论 14

4.1 人脸及人眼检测实验 14

4.1.1人脸及人眼检测测试过程 14

4.1.2人脸及人眼检测结果分析 15

4.2 基于均值哈希算法的相似匹配实验 15

4.2.1基于均值哈希算法的相似匹配测试 15

4.2.2基于均值哈希算法的相似匹配结果分析 18

4.3 利用AHash和PHash判断图片的相似性 18

4.3.1基于AHash和PHash判断图片相似性测试 18

4.3.2基于AHash和PHash判断图片相似性结果分析 19

4.4 本章小结 19

5 总结和展望 20

6 参考文献 21

7附录A 22

附A1 22

附A2 25

附A3 28

附A4 30

8致谢 32

第1章 绪论

1.1 课题的现状和研究意义

当前世界，是一个信息化飞速发展的时代，如果采用传统的身份证明凭证，比如通过身份证，户口本，用户名等来识别，由于这些身份证明凭证很容易被伪造，因此很可能会吸引不法分子利用他人的身份证明凭证来实施犯罪活动而无法控制这种社会现状。要解决这样的问题，我们可以从两个方面入手：第一，可以采用生物识别技术，识别人脸和视网膜等生物特性作为每一个人的身份凭证，这样可以彻底改变身份凭证的方式，使得每一个人的身份具有更强的唯一性，极大地加大了伪造身份进行犯罪活动的风险；第二，可以采集全国的有过犯罪经历的人的人脸图像，进行人脸检测，将采集得来的人脸样本集存入库中，当有摄像头拍摄到犯罪分子犯罪时的图片时，提取图片中的犯罪分子的人脸区域，与样本库储存的样本进行对比，找出相似的图片，从而帮助抓捕犯罪分子。

而人脸检测的用途除了用于当做身份证明,使每个人的身份更独特以及帮助追捕犯罪分子之外,其实还存在着许多已经开发或者未来将会发展的方向.其最令人关注的点还是在于它的唯一性.在当今互联网时代,能唯一确定一个人的方法一旦与网络能够挂钩,那么其价值就将是无限的.最简单的应用就是在网络上识别身份,充当身份证明.有了这个做基础之后,人们就可以以此为契机,大力发展互联网上人脸识别的应用,如可将现在只能在线下办理的需要真人办理的如护照,补办身份证,等等跟制度有关的行为提升非常多的效率.再然后,可以通过唯一性,代替身份证明,进行转账,交易等等方面的应用.紧接着就是网络上非常重要的检索问题.可以将每一个人的图片的属性上标记其名字,在搜索引擎上搜索时,就能更加精确的找到有关这个人的图片或者视频,大大增加搜索信息的准确性和效率.改变将来互联网的沟通模式.除此之外,人脸检测还能对社会秩序有着很大的帮助,例如对于街边流浪的身份不明而又失去了沟通能力的人群,尤其是老人孩子,可以用人脸识别确定其身份,还可以在各个监控地点组成的网络上添加人脸识别的功能,使监控摄像头不再只是用于回放记录视频的用途,而真真切切的像眼睛一样,分辨哪些人是通缉犯,哪些人是走失者,而在记录了犯罪的第一现场就直接能判定犯罪者的身份.这些都是人脸检测未来的发展方向,可以看出,此项技术的发展方向十分广泛,而覆盖内容对人类社会会起到翻天覆地的作用,因此,人脸检测的发展是重要的,我们应该去重视并开发它,让全社会都感受到它带来的方便快捷.

人脸及人脸关键点的检测，就是在某一背景下，利用某一算法提取出人脸和人眼的区域，通常用圆形或者矩形框起来。人脸的检测属于目标检测领域，目标检测领域通常包括两类：通用目标检测和特定类别目标检测，前者是检测某一图像中的很多个类别的目标，通常模型较大，速度较慢，后者则是检测某一图片的一类特定的目标，通常模型较小，速度要求比较高。人脸的检测是属于特定目标的检测，虽然需要考虑人脸这一个目标的不同，但也可以使用通用的一些方法。

经过上述的人脸及关键点检测，我们可以继续实现相似图片匹配等功能，对于相似图片的提取，就是对某一图片，运用算法比较有关库中所有的图片和这张图片的相似度，找出相似度最高的图片提取出来^[1]。利用相似度来检索某一图片，就是我这篇文章所要探讨的。

人脸技术的发展最开始从六七十年代开始，而近年来，随着社会的发展，人们对生活安全和法律的执行越来越重视，利用人脸来进行身份的追踪得到了重视和发展，这一技术的发展从一定程度上减少了罪犯逃走的几率，因此，本文的研究，在一定程度上说明了利用人脸匹配来追踪罪犯具有很强的研究意义和利用价值。

同时，利用图片作为搜索关键点来搜索相似的图片也是搜索引擎上的一个创新，它比起传统的利用关键词语搜索来说，在某些时候更有效率,就像上文说的,搜索时的手段变多了,在网络上的图片可以直接辨认是谁,摆脱了以前对于图片的一无所知,看起来眼熟而又无法知道是谁,使得网络更加信息化.跟之前比起来,网络变得更容易了解,更加清晰,区别于现实世界的信息残缺,使网络的优势更加大。

因此，本文研究的图像匹配可以广泛地利用于寻找犯罪者和利用搜索引擎以图搜图等方面。

1.2 本文研究的主要内容

本篇论文设计了基于OpenCV的人脸关键点识别及应用系统，具体实现方式如图1.1所示。

具体内容包括三个部分：第一部分，对某一张基于某一背景的图片进行人脸区域和关键点（人眼区域）的检测，利用adaboost算法，采用的是OpenCV自带的人脸检测器Haar分类器来进行人脸区域和关键点的检测；第二部分，将多张图片存入库中，对于某一图片，利用均值哈希找出库中与其最相似的图片；第三部分，对某一组肉眼可见的相似的图片分别用均值哈希算法和PHash计算汉明距离，比较两种算法算出的数值的大小。

图1.1 人脸匹配系统

1.3 本文的章节安排

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：