浅谈人工智能背景下基于OpenCv的人脸识别技术.pdf

浅谈人工智能背景下基于OpenCv的人

脸识别技术

摘要：近年来，随着科技进步，人脸识别技术得到了空前高度的发展，广泛

应用于安防、金融领域等部门。人脸识别技术是指通过计算机分析人脸，根据生

物特征区分个体，是一项生物特征识别技术，随着人工智能技术的深入研究，基

于原创的人脸识别算法，准确率达到98.52%，首次超越人眼识别能力（97.53%），

文章分析了基于OpenCv的人脸识别模型构建的原理与过程，具有广阔的发展性。

关键词：人脸识别；OpenCv；CV2；中职智能电子教学；人工智能

引言

随着人工智能、物联网等前沿技术的高速发展，不少职校开展了物联网专业、

AI机器人、大数据专业等。智能时代已悄然到来，其中“刷脸”已成为新的风潮，

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术，该项技

术涉及到大数据、虚拟网络、云计算、实体感应等多项核心技术，其中深度学习

中的CNN卷积神经网络和RNN循环神经网络技术，对于中职学生的知识体系来说

是讳莫如深的，教学开展难度较高，所以引入了python第三方库OpenCv，

OpenCv是计算机视觉库，里面有大量的训练好的模型，自带数据库和检测分类器，

对于智能电子专业学生学习人工智能视觉模块有非常重要的意义。

一、OpenCv简介

OpenCv是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软

件库，可以运行在Linux、Windows、Android和MacOS操作系统上，它轻量级

且高效，同时可支持C++，Python，Java和MATLAB等语言的编写，实现图像处

理和计算机视觉方面的很多通用计算。

（一）OpenCv中的人脸特征检测分类器

HAAR哈尔特征是一种反映图像的灰度变化的，像素分模块块求差值的一种特

征。它分为四类：边缘特征、线性特征、中心特征和对角线特征。用黑白两种矩

阵框组合成特征模块，在特征模块版内用黑色矩形像素和减去白色矩形像素和来

表示这个模板的特征值。人脸部的一些特征能由矩形模块差值特征简单描述，如：

眼睛要比脸颊颜色要深，鼻梁两侧要比鼻梁颜色要深，嘴巴比周围颜色要深等，

但矩形特征只对一些简单的图形结构，如边缘、线段较为敏感，所以只描述特定

方向（水平、垂直、对角）上的明显像素模块梯度变化结构。

（二）OpenCv中的级联分类器

OpenCv的级联分类器里面有自行训练好的模型，直接调用即可，如人脸识别，

人眼识别，左眼识别、右眼识别、微笑识别，上半身识别等不同生物特征的识别，

当然，OpenCv也提供不同模型可供学习者自行设计模型。学习理论和操作难度对

于中职的学生是非常适中的。在此文章我们可以直接调用其中的人脸识别。

二、基于OpenCv人脸识别模型的设计流程

此人脸识别系统运行流程为：调用电脑摄像头，摄像头初始化，载入级联分

类器，读取每一帧图像数据，级联分类器对图像做多尺度检测，按照坐标圈出人

脸，结束，主要流程图如下：

1.

载入人脸级联分类器

首先我们要做人脸识别，就必须下载配套的人脸识别第三

方库，OpenCv视觉库因为它适用于C++，Python，Java和MATLAB等不同语言的

编写，但是我们此次编写使用的编程语言是Python，所以我们必须从python官

网，下载配套的OpenCV的whl文件，或则直接在PyCharm编译器下下载CV2，即

可得到匹配使用的视觉库。然后调用CV2下的CascadeClassifier函数的

haarcascade_frontalface_default.xml，这是训练好的人脸模型，调用方式为

找到存放人脸级联分类器的地址进行调用，代码如下：

face_cascade=cv2.CascadeClassifier(cv2.data.haarcascades+h

aarcascade_frontalface_default.xml)

如果没有调用成功，须根据地址去检查人脸识别模型函数是否下载成功，如

果没下载成功也可以用