基于OpenCV识别库的面部图像识别系统的设计
本系统采用J2EE技术并以OpenCV开源计算机视觉库技术为基础，实现一套具有身份验证功能的面部图像识别信息管理系统。系统使用MySQL数据库提供数据支撑，依托于J2EE的稳定性和Java平台的可移植性使得本系统可以在各个操作系统平台中运行，同时提供在互联网中使用面部识别技术的一套较为完备的解决方案。
标签：OpenCV；人脸识别；生物学特征
引言
随着信息技术的飞速发展以及互联网的深入普及，越来越多的行业和领域使用信息技术产品以提高工作效率和管理水平。但是由于人们隐私信息的保护意识薄弱，出现了许多信息安全的问题。在人们对于信息安全越来越重视的情况下，许多技术被应用到信息安全领域中来。较为先进的技术有虹膜识别技术、遗传基因识别技术以及指纹识别技术等。而论文采用的是当前热点的面部图像识别技术。
1 系统实现算法及功能分析
1.1 面部图像的生物学特征模型的建立
本系统是利用面部图形的生物学特征来识别不同的人。由于每个人的面部图像都有各自的特征但又具有一定的通性，需要应用生物学中相关知识加以解决。可以利用已有的生物学测量手段以及现有的算法构建人的面部图像生物学特征模型（简称：面部模型），并应用于系统中，面部模型的建立为面部图像识别的功能提供实现依据。
1.2 知识特征库及面部识别引擎的建立
在前述面部模型建立完成后，需要建立相应的知识库以及面部识别引擎方可进行身份的识别。可经过大量数据的采集和分析后建立知识库，并根据知识库的特点建立相应的识别引擎。此识别引擎对外开放，在本系统中提供其它外来程序的调用接口，其它系统能够通过本接口实现识别引擎的调用实现对于面部图形的识别，从而达到识别引擎的可复用性。在技术条件允许的情况下，提供知识库的智能训练以及半自动构建支持。
1.3 面部图像的采集与预处理
本系统中采用了预留API接口，利用USB图形捕获设备采集数据图像。经过USB设备的捕获，使用JMF（Java Media Framework）来处理已捕获的图像数据，对捕获的图像进行面部图行检测和实时定位跟踪。
1.4 面部图像识别系统的设计与实现
本系统中采用J2EE技术以及前述面部图像识别技术实现一套具有身份验证功能的面部图像识别信息管理系统。使用MySQL数据库提供数据支撑。依托于J2EE的稳定性和Java平台的可移植性能够使得本系统可以在各个操作系统平台中运行，同时提供了在互联网中使用面部识别技术的一套较为完备的解决方案。
2 系统架构设计及关键功能实现
2.1 图像预处理算法实现
其中图像的灰度化处理用openCV中的cvCvtColor（srcImage，grayImage，CV_BGR2GRAY）方法实现。
2.1.1 图像大小归一化算法实现
2.1.2 图像的光照归一化算法实现
2.2 面部图像识别算法实现
2.2.1 人脸定位算法实现
2.2.2 人脸识别算法实现
3 结束语
文章主要阐述了基于OpenCV的面部识别系统的主要功能及系统架构，完成了人脸图像的自学习功能、以及人脸图像的定位及识别功能，以及面部图像学习引擎、静态面部图像识别引擎、流媒体面部图像识别引擎的设计，完成了基于OpenCV的面部识别系统的构建。
参考文献
[1]张惠发.人脸识别的关键问题研究[J].吉林大学，2012.
[2]李友坤.BP神经网络的研究分析及改进应用[J].安徽理工大学，2012.
[3]褚勤.基于小波分析和支持向量机的人脸识别方法研究[J].华南理工大学，2012.
[4]廖文军.基于连续Adaboost算法的多角度人脸检测技术研究与实现[J].南京邮电大学，2012.
[5]赵晓辉.基于改进的分块LBP人脸识别算法研究[J].昆明理工大学，2012. 马少天（1990-），男，大三学生，专业：计算机科学与技术。
通讯作者：彭馨仪（1979-），女，讲师，主要研究方向：人工智能及大数据。
