基于图像识别的教室信息管理系统

林祥

摘 要 伴随科技技术水平的持续提升，以摄像头为基础进行的图像处理技术愈发地成熟。其中人脸识别技术最为实用，如：脸部识别门禁系统，脸部识别考勤设备等等。现在的教室已经完全实现了无死角全方位监控，因此，我们在不改变教室的情况下，完全利用软件对教室人数的统计，实现科技与进步完美对接。

关键词 人脸检测；人脸识别；HAAR

中图分类号 TP39 文献标识码 A 文章编号 1674-6708（2016）162-0119-02

1 人脸识别的背景和意义

在21世纪，人类的隐私问题变得更加棘手。传统的密码也已经常常出现问题，如：密码被破解，密码忘记等问题，使人们的经济受到损失或者隐私遭到曝光，却找不到隐私曝光者，问题不能被解决。如今人脸识别科技已经进入了较高的层次，脸部特征已经具有密码的作用以用于各种验证。不但减少了繁琐密码的输入，而且还不易伪造，大大的提高了安全性。

2 人脸检测实现思路

在人脸识别方面，我有2个想法：第一种是使用ARM9作为主控芯片，用摄像头接口与ARM9处理器通信，获取图像，利用PCA方法进行识别。第二种是使用摄像头获取图像，直接利用计算机的内存储存图像，MATLAB进行图像识别。第一种想法比较便携，但不适合教室大数据的处理，并且经费过高；第二种想法实物较少，数据可以大量的存储，方面教室等数据大的特点。因为在教室人数识别的项目中选择第二种想法。

3 人脸检测用到的关键技术和算法

3.1 HAAR特征

最初地Papageorgiou等将Haarlike？特征在人脸表示领域中应用，Viola和Jones以此为基础，引入了3种类型4个形式的特征。Haar特征包括了3种：第一，对角线特征与中心特征；第二，线性特征；第三，边缘特征，它们一同构成了特征模板。若包含了2种矩形，为黑色或者白色，并以此模板中扣除黑色矩形的像素和、以及白色矩形像素和作为其特征值。Haar特征值体现了是其灰度特征信息以及改变。不过矩形特征敏感度较高的结构多为一些诸如线段、边缘在内的并不复杂的图形结构，所以描述图像结构时只能说明部分走向明确（如对角、垂直、水平等）结构。

经过对特征模板的位置及大小进行调整，于图像子窗口，我们可穷举出许多特征。上图的特征模板称为“特征原型”；图像子窗口特征原型通过平移伸缩等扩展，可以获得“矩形特征”；矩形特征的值称为“特征值”。

矩形特征的大小不受约束，在图像的位置也没有具体的规定，所以矩形特征值的影响因素包括矩形的大小、位置以及其模版类别。所以说就算检测窗口较小，而其位置、大小以及类别的改变将组合形成海量的特征。以此为例，若检测窗口的像素大小为24×24，在此中即可包含16万个矩形特征。

3.2 积分图

最初，Paul Viola等人首次提出积分图的概念，同时在动态的对象检测框架内被采用。灰度图像积分图的本质同样为一张图，只是它在某些方面不同于一般的彩色图或者灰度图。虽然我们也可以将积分图视作是一张图，不过在此图中某个点（x，y）的值表示的含义是，该点与图像左上角所覆盖的矩形面积下，全部像素点的灰度值总加和。

3.5 搜索策略

3.5.1 检测窗口大小不变的检测方法

该方法的特征是保持检测窗口有恒定的大小，例如，与训练样本窗口一般都使用24X24检测窗口，之后对需要检测的图像依据特定的比例，先后开展抽样缩放，其比例通常使用0.8倍，当检测窗口和图像具有相近的尺寸时缩放停止。将以上步骤中所得的各个经过缩放处理的图像，对其全部24X24待测窗口使用滑动检测窗口法开展检测，其中可以人为设定滑动步长，对于彼此重叠但判断是目标的窗口，则依据特定的规则进行整合。

因为此方法中检测窗口是恒定的，所以为了完成检测，则必须作若干次的原图像缩放，因为Haar矩形特征的生成是建立在积分图像上的，所以每经过一次缩放处理，皆必须再次进行积分图的计算，由于无数次的重复计算，徒增了额外的负担。特别是在图像具有较大的尺寸时，将严重地拖累检测速率与效率，同时在缩放处理过程中使用的方法如双线性插值法、最近邻插值法等，将在一定程度上降低图像质量，最终体现于检测精度的降低以及效果变差。

3.5.2 检测窗口尺寸放大的检测方法

与上面介绍的方法相反，这种方法是：保持需要检测的图像有恒定的大小，而依据特定的比例，先后进行检测窗口的等比放大，通常放大倍数取1.1，之后用于检测工作，当需要检测图像的最小二维尺寸同检测窗口大小逼近时中止，同时对于彼此重叠但判断是目标的多个窗口，则依据特定的规则进行整合，输出检测结果。

保持待测图像为恒定大小，依据特定的比例放大检测窗口，之后以此容器进行原始图像配对，当得大小尺寸逼近的窗口时进行检测。相比于前一节阐述的检测方式，此方法的优势是仅需要进行一次Haar积分图计算，后续全部检测窗口尺寸皆以此积分图为准进行Haar特征值计算，减小了工作时，显著地提高了效率，在实际中得以大规模推广使用。

4 结论

人脸识别技术已经成为新世纪计算机领域的重要部分，但是在识别上还是有一些问题，例如，人脸侧着。尤其在教室人数统计上会有很大的误差性。

本文主要探讨了人脸识别的策略与算法，在MATLAB中开发应用了此算法，能够简单的识别出人脸特征，实现教室信息的管理。

参考文献

[1]互联网.基于ARM9的便携式人脸识别系统，2011.

[2]博文.AdaBoost人脸检测训练算法，2012.

[3]博文.积分图，2012.

[4]Robust Real-Time Face Detection，Paul Viola，Micheal J. Jones.