人脸识别（一）——从零说起

     

      人脸识别的英文名称是 Face Recognition，前段时间查找资料学的时候发现，不少人将人脸识别和人脸检测（Face
Detection）混为一谈，很大程度上增加了查询学习资料的难度，这里在参照一些前辈的基础上，自己动手敲写代码，整理出了一个完整的版本。

     

        此系列文章将从理论到实践进行整合：分三篇进行叙述，
第一篇从零说人脸识别，保证大多数朋友能通过这篇文章了解到人脸识别的概念，并且能够形成一个基本的框架。第二篇将进行初步的实践，包括人脸图像的采集，和如何利用opencv已有的模型根据人脸图像进行训练，得到需要的分类器。第三篇则是综合篇，将程序以模块化进行展示，以文档形式实现人脸识别和建立MFC程序实现人脸识别。


 

一、人脸检测和人脸识别


       
首先需要介绍下人脸识别和人脸检测的不同。人脸检测指的是对一幅图片进行检测，检测图片中是否包含有人脸；而人脸识别则是在人脸检测的基础上，不仅要检测出是否该图片中存在人脸，更要进一步将检测出的人脸图像与已有人脸库中的进行对比，识别出该人脸图像对应库中的哪一个。
人脸检测的相关知识可以参照微信公众号里（Mr_cplus）的相关历史文章。




二、人脸识别的大概流程

     人脸识别大体上分为四步：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取、匹配与识别。

（1）人脸图像采集及检测

      
人脸图像的采集指的是按照所研究的目标（比如研究不同姿态下的人脸识别），采集一定数量的图像数据整理成库。当前学术界已有许多现成的人脸库，满足基本的研究需求，当然也可以在这些数据库的基础上进行添加（比如将自己的人脸添加进某数据库）。当前较为常用的人脸图像数据库有：

1. FERET人脸数据库
     
由FERET项目创建,包含14,051张多姿态,光照的灰度人脸图像,是人脸识别领域应用最广泛的人脸数据库之一.其中的多数人是西方人,每个人所包含的人脸图像的变化比较单一. 
2. MIT人脸数据库 
      由麻省理工大学媒体实验室创建,包含16位志愿者的2,592张不同姿态,光照和大小的面部图像. 
3. Yale人脸数据库 
      由耶鲁大学计算视觉与控制中心创建,包含15位志愿者的165张图片,包含光照,表情和姿态的变化. 
4. Yale人脸数据库B
     
包含了10个人的5,850幅多姿态,多光照的图像.其中的姿态和光照变化的图像都是在严格控制的条件下采集的,主要用于光照和姿态问题的建模与分析.由于采集人数较少,该数据库的进一步应用受到了比较大的限制. 
5. PIE人脸数据库
     
由美国卡耐基梅隆大学创建,包含68位志愿者的41,368张多姿态,光照和表情的面部图像.其中的姿态和光照变化图像也是在严格控制的条件下采集的,目前已经逐渐成为人脸识别领域的一个重要的测试集合. 
6. ORL人脸数据库
     
由剑桥大学AT&T实验室创建,包含40人共400张面部图像,部分志愿者的图像包括了姿态, 表情和面部饰物的变化.该人脸库在人脸识别研究的早期经常被人们采用,但由于变化模式较少,多数系统的识别率均可以达到90%以上,因此进一步利用的价值已经不大. 
……

（2）人脸图像预处理


        此处主要指两方面：一个是如何将获取的人脸图像进行一些处理，使之和待放入的人脸库内图片数据有相同的尺寸，格式等；另一个是指将整体库内图片进行处理，使之满足后面图像特征提取以及识别中的要求。

（3）人脸图像特征提取

       
人脸图像特征提取是指按照一定的算法，将人脸图像进行处理，提取出特征信息，形成特征矩阵等，之后用于分类器的训练。特征提取的算法往往决定着识别效果的好与坏。

（4）匹配与识别

       
人脸图像经过特征提取形成了一定的特征矩阵，之后将待识别的人脸图片（或者视频中的某些帧）当作输入，按照同样的特征提取算法，形成其人脸图的矩阵，之后与利用分类器进行分类，识别其属于库内的哪一个类别。




三、人脸识别的常用方法

       人脸识别方法有很多，当前大体可以分为四类：

*
基于人脸特征点的识别算法（Feature-based recognition algorithms）。


*
基于整幅人脸图像的识别算法（Appearance-based recognition algorithms）。

*
基于模板的识别算法（Template-based recognition algorithms）。

*
利用神经网络进行识别的算法（Recognition algorithms using neural network）。




四、部分结果的提前展示

      此次动手实践利用的人脸数据库是
ORL人脸数据库，并且为了识别自己的人脸写了一个拍照程序自拍，将采集到的自己的图片信息加入该数据库，形成一个新的包含有自己人脸信息的数据库。

1、以文档程序为例进行展示，当摄像头检测到的人脸是自己时，会“夸"自己是“
大帅比”，检测结果不是自己时会显示“大丑逼”。哈哈哈，我长的帅已经不是秘密了！（41是指识别判断的结果，41对应我自己，ORL中原有40个人）




2、以MFC程序为例进行展示。同样，当摄像头检测到的人脸是自己时，会“夸"自己是“
大帅比”，检测结果不是自己时会显示“大丑逼”。而且可以设定当检测结果为数据库中的某一个时，可以在另一个图片控件（picture
control）中显示对应一张人脸库中的图像。（各种BUTTON表示不同功能，在接下来的两篇中将进行介绍。）







以上就是本篇的全部内容，如果觉得有用，请帮忙关注下呗~



















​

• « 上一篇：【机器视觉】计算机视觉必读：图像分类、定位、检测，语义分割和实例分割方法梳理
• » 下一篇：python中将数据增强