1. 研究目的与意义
人脸识别技术是各个科技发达国家都在全力研究的技术之一。人脸识别技术大致在1960年左右开始进行。八十年代后，随着计算机科学技术和光学成像技术的进步，人脸识别技得到了极大的技术支持。在九十年代后期，人脸识别技术进入了实际应用的初试阶段。在二十一世纪之后，被广泛应用于政府，军队，银行，娱乐，电子商务，安全防务。
人脸识别技术是发展和使用为人类生活提供了便捷，对于提高工作效率，巩固安全措施，遏制犯罪行动等提供了极大的帮助。
人脸识别技术是对输入的视频或者图像进行判断是否存在人脸，若扫描出来人脸，则获取出人脸信息，与数据库中已有的人脸数据进行比较，从而在无接触的情况下完成身份信息的核对确认。人脸识别技术相较于其他的生物识别技术，具有更加方便快捷的特性，用户没有必要与设备直接的接触。设备可以自行获取数据。但是有利有弊，其缺点在于对比起指纹等其他生物识别技术，更容易被环境因素干扰而出现错误，并且需要有人为干预以及大量的数据储存运行支撑。
2. 课题关键问题和重难点
人脸识别技术是一项现代人工智能技术中的的热门研究领域，它为人类社会发展的快速、便捷、安全等方面提供了保障。在当今社会中，从工作刷脸签到到购物刷脸支付再到公安刑侦，人脸识别技术都扮演了极其重要的角色。在这样的实际背景下，人脸识别技术的研究的重要性也就不言而喻了。在本设计中，主要实现人脸识别技术中的人脸检测追踪，人脸信息录入以及人脸身份识别等功能，最终可达到一对一实时人脸信息识别的效果，实际运用中，准确率可达75%作用。
3. 国内外研究现状（文献综述）
【 摘要 】随着信息处理技术的发展，基于嵌入式平台的便携的人脸检测技术便显得愈发重要。本文描述了如何基于ope ncv视 觉库在嵌入式平台上利用类 haa r 特征和 ada b oost算法实现人脸检测，并讨论了如何在嵌入式平台上优化算法。 【 关键词 】类haa r 特征；adab oost；嵌入式系统implementation of face detection algorithm based on opencv and embedded systemliu shuang （qingyuanpolytechnic, guangdong qingyuan 511510） 【abstract】with thedevelopment ofinformation processing techniques, face detection technique basedon embedded systems is increasingly important. this paper describes theimplementation of face detection based on opencv and embedded systems by meansof haar-like features and adaboost algorithm, and discuss howto optimize thealgorithmin embedded platform. 【keywords】haar-likefeatures; adaboost; embedded system
在过去三十多年的时间里，人脸检测和识别的理论越来越 成熟，人们对人脸检测和人脸识别始终保持着浓厚的研究兴 趣。随着智能化信息处理技术的发展，人脸检测在身份识别、基 于内容的检索、自动监控、人机交互等方面有着日益广泛的应 用前景。 随着近些年来国际形势的变化，特别是“911事件”之后， 各国对自身重要设施的安保性能越发重视，也积极研发自动人 脸识别系统并投入实用。目前的人脸检测系统大多基于通用pc，其机动、便携性有很大局限，不利于推广到智能家居、门禁 系统等应用场合。于是，基于嵌入式平台的便携的人脸检测系 统便显得愈发重要，以人脸检测为基础的相关领域技术的产品 化趋势亦将随着信息技术的发展而变得越来越强。 利用基于 haar 特征的 adaboost 算法进行人脸检测的技术 已经相对比较成熟，而嵌入式 linux 系统以其自身的独特优 势，已经成为了开发嵌入式人脸识别系统的良好平台。opencv（opensource computer vision library）是一个跨 平台的计算机视觉库，opencv 是由英特尔公司发起并参与开 发，可以在商业和研究领域中免费使用。本文基于opencv 视 觉库在嵌入式平台上实现人脸检测算法流程。1．算法描述 1.1 人脸检测中的 haar 特征提取 类 haar 特征是 viola 提出的一种简单矩阵特征，通过相邻 矩形区域的灰度变化反映图像的局部特征。类haar 特征在人 脸检测，人脸表情识别等领域均取得了一定的效果。类haar 特 征分为：边缘特征、线性特征、中心特征，组合成特征模板。 每个特征可表示为： featurej=n i = 1 Σωirectsum(ri) (1) 其中ωi为矩形 ri 的权，rectsum(ri)为矩阵 ri 的像素值之和， n 表示组成特征的矩形数目
4. 研究方案
本设计是基于python和opencv的人脸识别系统的开发，使用python opencv调用计算机的摄像头设备获取图像，在使用opencv提供的人脸检测分类器对获得的图像中的人脸进行识别和数据获取。同时，使用python的标准tk gui工具包的接口tkinterz制作程序的用户操作界面
1.设计一个主界面
2.区分普通用户和管理员
5. 工作计划
1.首先安装python3.7
2.接着继续安装opencv
3.同时还需要python图像处理包pillow和opencv扩展包
课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
