基于OpenCV的視頻身份認證

許方鏹

摘要：目前基于視頻的人臉識別已經(jīng)成為最火熱的方向之一，如何對視頻中的人臉進行身份認證是該文研究的重點。通過OpenCV，利用Keras構建神經(jīng)網(wǎng)絡對已知身份分析建模并保存，最后通過攝像頭，利用構建好的模型，對視頻中出現(xiàn)的人臉進行身份認證。以此方法進行身份認證的準確率能達到90%?；贠penCV的視頻身份認證成本低廉，便于量產(chǎn)，具有很大的實用性。

關鍵詞：身份認證；神經(jīng)網(wǎng)絡；OpenCV；基于視頻的人臉識別；模式識別

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2018）23-0252-03

Abstract：In recent years， video-based face recognition has become one of the most active research directions in the field of face recognition. How to authenticate the face in video is the focus of this paper. Through OpenCV， Keras is used to construct a neural network to model and save known identity analysis. Finally， through the camera， the built model is used to authenticate the face appearing in the video. The accuracy of identity authentication in this way can reach 90%.OpenCV-based video identity authentication is inexpensive， easy to mass-produce， and has great practicality.

Keywords：identity authentication； neural network； OpenCV；video-based face recognition；pattern recognition

人臉識別在當今時代，具有非常大的應用價值和深厚的理論基礎。人臉識別在圖像處理、機器視覺、機器學習等領域都有巨大的推動力，不僅如此，在視頻監(jiān)控，行為預測，安全監(jiān)測等各個領域都有著廣泛的應用。經(jīng)過多年研究，人臉識別已經(jīng)逐漸趨于成熟，目前基于視頻的人臉識別已經(jīng)成為最火熱的方向之一[1].如何充分利用視頻中人臉的時間和空間信息來對視頻中分辨率低、光照不平等困難下的人臉進行身份認證是一大難點.國內(nèi)外許多大學和研究機構， 像美國的 M IT [2] 、 國內(nèi)的中國科學院自動化研究所[3]等 都對人臉識別進行了不同程度的研究.統(tǒng)觀目前現(xiàn)有的人臉識別國內(nèi)外綜述文獻，主要針對靜止圖片的人臉識別研究[1-3] ，因此有必要對基于視頻的人臉識別進行研究。

1 系統(tǒng)組成

此系統(tǒng)是在Windows 10操作系統(tǒng)下利用python進行開發(fā)，以OpenCV為基礎，利用庫中提供的相關函數(shù)進行處理，再通過構建神經(jīng)網(wǎng)絡對特定人的圖像集進行訓練，最后利用攝像頭，調(diào)用訓練好的模型對視頻中采集到的圖像進行模式匹配，檢測結果利用PCA算法進行身份識別。

2 搭建開發(fā)環(huán)境

采用普通720P HD攝像頭，Windows10操作系統(tǒng)，安裝Python3.5、Keras、OpenCV、Numpy、Skelearn等軟件工具包。其中OpenCV主要用于控制攝像頭和圖片處理，Numpy主要用于圖片數(shù)字化，Keras主要用于構建神經(jīng)網(wǎng)絡進行圖像識別。

3 系統(tǒng)開發(fā)

3.1 圖像采集、預處理

4 結論

人臉識別技術經(jīng)過國內(nèi)外眾多研究機構、學者的研究和推廣，已經(jīng)被廣泛應用于安防、醫(yī)療、教育等多個領域，但是目前人臉識別算法還存在一些不足，在一些復雜環(huán)境，如有強光照射、臉部被遮擋、不同表情等方面，往往識別效果會很差，目前仍缺少有效的算法[7-8]。因此，如何更加高效的識別視頻中動態(tài)的人臉并進行身份認證，仍然是一個研究熱點，也將需要我們進一步研究。

參考文獻：

[1] C hellappa R， Wilson C ， Sirohey S.Hum an an d machine recognition of f aces：A su rvey .Proceeding s of the IEEE ， 1995 ，83（5）：705-740

[2] S hakhnarovich G， Fisher J W， Darrell T .Face recognition from long-t erm ob servati ons// Proceedings of the European C onferen ce on Comput er Visi on.Bari ， 2002：851-868

[3] Li J W， Wang Y H ， Tan T N .Video-based f ace recognition using a metric of average Eu clidean distance// Proceedings of the 5th Chinese Conf erence on Biometric Recog niti on .Guangzhou ， China， 2004：224-232

[4] Kennedy J.Bare bones particle swarms. Proc. of the IEEE Swarm Intelligence Symposium （SIS 2003），Indianapolis， Indiana， 2003， 80?87.

[5] Turk M， Pentland A. Eigenfaces for recognition.Journal of Cognitive Neuroscience， 1991，3（1）：71-86.

[6] Turk M， Pentland A. Face Recognition using Eigenfaces. IEEE Confon CVPR， Maui， Hawaii，1991.586-591

[7] 王婧瑤，許勇，曹本希等. 基于主成分分析的超聲人臉識別算法研究 [J].計算機工程與設計，2013，34（8）：2867-2871.

[8] 趙恒，俞鵬.基于主動表觀模型姿態(tài)矯正和局部加權匹配人臉識別 [J].中國圖象圖形學報，2013，18（12）：1582-1586

【通聯(lián)編輯：唐一東】