人臉識(shí)別的研究可以追溯到上個(gè)世紀(jì)六、七十年代，經(jīng)過幾十年的曲折發(fā)展已日趨成熟，構(gòu)建人臉識(shí)別系統(tǒng)需要用到一系列相關(guān)技術(shù)，包括人臉圖像采集、人臉定位、人臉識(shí)別預(yù)處理、身份確認(rèn)以及身份查找等 。而人臉識(shí)別在基于內(nèi)容的檢索、數(shù)字視頻處理、視頻檢測(cè)等方面有著重要的應(yīng)用價(jià)值，可廣泛應(yīng)用于各類監(jiān)控場(chǎng)合，因此具有廣泛的應(yīng)用前景。OpenCV是Intel 公司支持的開源計(jì)算機(jī)視覺庫(kù)。它輕量級(jí)而且高效--由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法，作為一個(gè)基本的計(jì)算機(jī)視覺、圖像處理和模式識(shí)別的開源項(xiàng)目，OpenCV 可以直接應(yīng)用于很多領(lǐng)域，其中就包括很多可以應(yīng)用于人臉識(shí)別的算法實(shí)現(xiàn)，是作為第二次開發(fā)的理想工具。

　　1 系統(tǒng)組成

　　本文的人臉識(shí)別系統(tǒng)在Linux 操作系統(tǒng)下利用QT庫(kù)來(lái)開發(fā)圖形界面，以O(shè)penCV 圖像處理庫(kù)為基礎(chǔ)，利用庫(kù)中提供的相關(guān)功能函數(shù)進(jìn)行各種處理：通過相機(jī)對(duì)圖像數(shù)據(jù)進(jìn)行采集，人臉檢測(cè)主要是調(diào)用已訓(xùn)練好的Haar 分類器來(lái)對(duì)采集的圖像進(jìn)行模式匹配，檢測(cè)結(jié)果利用PCA 算法可進(jìn)行人臉圖像訓(xùn)練與身份識(shí)別，而人臉表情識(shí)別則利用了Camshift 跟蹤算法和Lucas–Kanade 光流算法。

　　2 搭建開發(fā)環(huán)境

　　采用德國(guó)Basler acA640-100gc 相機(jī)，PC 機(jī)上的操作系統(tǒng)是Fedora 10，并安裝編譯器GCC4.3，QT 4.5和OpenCV2.2 軟件工具包，為了處理視頻，編譯OpenCV 前需編譯FFmpeg，而FFmpeg 還依賴于Xvid庫(kù)和X264 庫(kù)。

　　3 應(yīng)用系統(tǒng)開發(fā)

　　程序主要流程如圖1 所示。

　　圖1 程序流程（visio）

　　3.1 圖像采集

　　圖像采集模塊可以通過cvCaptureFromAVI（）從本地保存的圖像文件或cvCaptureFromCam（）從相機(jī)得到圖像，利用cvSetCaptureProperty（）可以對(duì)返回的結(jié)構(gòu)進(jìn)行設(shè)置：

　　IplImage *frame；CvCapture* cAMEra = 0；

　　camera = cvCaptureFromCAM（ 0 ）；

　　cvSetCaptureProperty（camera，

　　CV_CAP_PROP_FRAME_WIDTH， 320 ）；

　　cvSetCaptureProperty（camera，

　　CV_CAP_PROP_FRAME_HEIGHT， 240 ）；

　　然后利用start（）函數(shù)開啟QTimer 定時(shí)器，每隔一段時(shí)間發(fā)送信號(hào)調(diào)用自定義的槽函數(shù)，該槽函數(shù)用cvGrabFrame（）從視頻流中抓取一幀圖像放入緩存，再利用CvRetrieveFrame（）從內(nèi)部緩存中將幀圖像讀出用于接下來(lái)的處理與顯示。在qt 中顯示之前，需將IplImage* source 轉(zhuǎn)換為QPixmap 類型。

　　uchar *qImageBuffer = NULL；

　　/*根據(jù)圖像大小分配緩沖區(qū)*/

　　qImageBuffer = （uchar*） malloc（source-》width *

　　source-》height * 4 * sizeof（uchar））；

　　/*將緩沖區(qū)指針拷貝到存取Qimage 的指針中*/

　　uchar *QImagePtr = qImageBuffer；

　　/* 獲取源圖像內(nèi)存指針*/Const uchar*

　　iplImagePtr=reinterpret_cast/《uchar*》》（source-》imageDat

　　a）；

　　/*通過循環(huán)將源圖像數(shù)據(jù)拷貝入緩沖區(qū)內(nèi)*/

　　for （int y = 0； y 《 source-》height； ++y）{

　　for （int x = 0； x 《 source-》width； ++x）{

　　QImagePtr［0］ = iplImagePtr［0］；

　　QImagePtr［1］ = iplImagePtr［1］；

　　QImagePtr［2］ = iplImagePtr［2］；

　　QImagePtr［3］ = 0；

　　QImagePtr += 4；

　　iplImagePtr += 3； }

　　iplImagePtr+=source-》widthStep–3*source-》width； }

　　/*將Qimage 轉(zhuǎn)換為Qpixmap*/QPixmap local =

　　QPixmap：：fromImage（QImage（qImageBuffer，source-》wi

　　dth，source-》height， QImage：：Format_RGB32））；

　　/*釋放緩沖區(qū)*/

　　free（qImageBuffer）；

　　最后利用QLabel 的setPixmap（）函數(shù)進(jìn)行顯示。

　　3.2 圖像預(yù)處理

　　由于大部分的臉部檢測(cè)算法對(duì)光照，臉部大小，位置表情等非常敏感， 當(dāng)檢測(cè)到臉部后需利用cvCvtcolor（）轉(zhuǎn)化為灰度圖像，利用cvEqualizeHist（）進(jìn)行直方圖歸一化處理。