《第9章-人脸识别优秀PPT.ppt》由会员分享，可在线阅读，更多相关《第9章-人脸识别优秀PPT.ppt（64页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、人脸识别技术人脸识别技术 Face Recognition TechnologyFace Recognition Technology吴士泓吴士泓 21 1人脸识别的意义与感性相识人脸识别的意义与感性相识2 2人脸识别的现状人脸识别的现状3 3人脸识别的过程人脸识别的过程4 4人脸识别的方法人脸识别的方法5 5人脸的关键技术人脸的关键技术6 6人脸识别系统的开发与试验工具人脸识别系统的开发与试验工具3人脸识别的感性相识人脸识别的感性相识1 1人脸识别的意义人脸识别的意义2 2人体生物认证技术人体生物认证技术3 3人脸识别的系统人脸识别的系统n n人脸识别是一个活跃的探讨领域，是人类视觉最杰出的
2、实力之一。虽然人脸识别的精确性要低于虹膜、指纹的识别，但由于它的无侵害性和对用户最自然、最直观的方式，使人脸识别成为最简洁被接受的生物特征识别方式。人脸识别是人体生物认证技术的一种，人脸识别是人体生物认证技术的一种，首先我们谈谈人体生物认证技术首先我们谈谈人体生物认证技术n n人体生物的生物特征包括生理特征和行为特征人体生物的生物特征包括生理特征和行为特征人体生物的生物特征包括生理特征和行为特征人体生物的生物特征包括生理特征和行为特征两大类。两大类。两大类。两大类。n n 人体的生理特征主要包括人脸、指纹、人体的生理特征主要包括人脸、指纹、人体的生理特征主要包括人脸、指纹、人体的生理特征主要包
3、括人脸、指纹、掌纹、掌形、虹膜、视网膜、静脉、掌纹、掌形、虹膜、视网膜、静脉、掌纹、掌形、虹膜、视网膜、静脉、掌纹、掌形、虹膜、视网膜、静脉、DNADNADNADNA、颅、颅、颅、颅骨等，这些特征是与生俱来的，是先天形成的；骨等，这些特征是与生俱来的，是先天形成的；骨等，这些特征是与生俱来的，是先天形成的；骨等，这些特征是与生俱来的，是先天形成的；n n 而行为特征包括声纹、签名、步态、耳而行为特征包括声纹、签名、步态、耳而行为特征包括声纹、签名、步态、耳而行为特征包括声纹、签名、步态、耳形、按键节奏、身体气味等，这些特征是由后形、按键节奏、身体气味等，这些特征是由后形、按键节奏、身体气味等，
4、这些特征是由后形、按键节奏、身体气味等，这些特征是由后天的生活环境和生活习惯确定的。天的生活环境和生活习惯确定的。天的生活环境和生活习惯确定的。天的生活环境和生活习惯确定的。n n这些生物特征本身固有的特点确定了其在生物这些生物特征本身固有的特点确定了其在生物这些生物特征本身固有的特点确定了其在生物这些生物特征本身固有的特点确定了其在生物认证中所起的作用是不同的。表认证中所起的作用是不同的。表认证中所起的作用是不同的。表认证中所起的作用是不同的。表1 1 1 1对各种生物对各种生物对各种生物对各种生物认证技术作了一个简洁的比较。认证技术作了一个简洁的比较。认证技术作了一个简洁的比较。认证技术作
5、了一个简洁的比较。生物特征识别：生物特征识别：人脸 脸部热量图 指纹 手形 手部血管分布 虹膜 视网膜 签名 语音 7基于生物特征的身份认证n n生物特征生物特征=生理特征生理特征+行为特征行为特征n n生理特征生理特征(what you are?)与生俱来，如与生俱来，如与生俱来，如与生俱来，如DNADNADNADNA、脸像、虹膜、指纹等、脸像、虹膜、指纹等、脸像、虹膜、指纹等、脸像、虹膜、指纹等n n行为特征行为特征(what you do?)后天习惯使然，如笔迹、步态等后天习惯使然，如笔迹、步态等后天习惯使然，如笔迹、步态等后天习惯使然，如笔迹、步态等8人体生物特征的起源于传统的身份认证
6、的问题n n基于学问的身份认证基于学问的身份认证基于学问的身份认证基于学问的身份认证(whatyouknow?)(whatyouknow?)n n简洁遗忘简洁遗忘简洁遗忘简洁遗忘n n简洁被盗简洁被盗简洁被盗简洁被盗n n简洁攻击简洁攻击简洁攻击简洁攻击n n基于令牌的身份认证基于令牌的身份认证基于令牌的身份认证基于令牌的身份认证(whatyouhave?)(whatyouhave?)n n简洁丢失简洁丢失简洁丢失简洁丢失n n简洁被盗简洁被盗简洁被盗简洁被盗n n简洁伪造简洁伪造简洁伪造简洁伪造n n学问学问学问学问+令牌令牌令牌令牌我们必需找寻更加牢靠便捷的身份认证方法我们必需找寻更加牢靠
7、便捷的身份认证方法我们必需找寻更加牢靠便捷的身份认证方法我们必需找寻更加牢靠便捷的身份认证方法-人体生物认证人体生物认证人体生物认证人体生物认证10常用生物特征的比较A.Jain,L.Hong and S.Pankanti.“Biometrics:Promising Frontiers for Emerging Identification Market”，Communication ACM,2000生物特生物特征征普遍性普遍性独特性独特性稳定性稳定性可采集可采集性性性能性能接受程接受程度度防欺骗防欺骗性性人脸人脸HighHighLowLowMediumMediumHighHighLowLow
8、HighHighLowLow指纹指纹MediumMediumHighHighHighHighMediumMediumHighHighMediumMediumHighHigh手形手形MediumMediumMediumMediumMediumMediumHighHighMediumMediumMediumMediumMediumMedium虹膜虹膜HighHighHighHighHighHighMediumMediumHighHighLowLowHighHigh视网膜视网膜HighHighHighHighMediumMediumLowLowHighHighLowLowHighHigh签名签名Lo
9、wLowLowLowLowLowHighHighLowLowHighHighLowLow声音声音MediumMediumLowLowLowLowMediumMediumLowLowHighHighLowLow人脸识别的意义n nBillGates:以人类生物特征进行身份验证的生物识别技术，在今后数年内将成为IT产业最为重要的技术革命12生物特征的评估n n普遍性普遍性普遍性普遍性UniversalityUniversalityn n唯一性唯一性唯一性唯一性 UniquenessUniquenessn n恒久性恒久性恒久性恒久性 PermanencePermanencen n易采集性易采集性易采
10、集性易采集性 CollectabilityCollectabilityn n系统性能系统性能系统性能系统性能 Performance(achievablePerformance(achievableidentificationaccuracy,resourceidentificationaccuracy,resourcerequirements,robustness)requirements,robustness)n n用户接受程度用户接受程度用户接受程度用户接受程度 UserAcceptanceUserAcceptancen n防欺瞒实力防欺瞒实力防欺瞒实力防欺瞒实力 Resistancet
11、oResistancetoCircumventionCircumvention13各种生物特征市场份额的统计生物认证技术市场收入的预料1415人脸识别的应用n n人脸识别系统在金融、证券、社保、人脸识别系统在金融、证券、社保、公安、军队及其他须要平安认证的行公安、军队及其他须要平安认证的行业和部门有着广泛的应用业和部门有着广泛的应用n n典型应用典型应用n n罪犯调查罪犯调查n n访问限制访问限制n n人员考勤人员考勤n n重用门票重用门票n n驾驶执照驾驶执照n电子商务电子商务n信用卡信用卡n准考证准考证n身份证身份证n n北京奥运开幕式人脸人脸识别识别门票查验现场观众人人脸脸身份验证n n
12、中科院人脸识别技术成功用于奥运会开幕式中科院人脸识别技术成功用于奥运会开幕式n n8 8月月8 8日，数万名观众由国家体育场鸟巢的日，数万名观众由国家体育场鸟巢的100100多个人脸识别系统多个人脸识别系统快速身份验证关口有序入场，参与快速身份验证关口有序入场，参与20082008北京奥运会的开幕式。据悉，北京奥运会的开幕式。据悉，该验证系统是由中科院自动化所研制的。该验证系统是由中科院自动化所研制的。n n“911”“911”事务是生物特征认证技术在全球发展的事务是生物特征认证技术在全球发展的一个转折点。一个转折点。“911”“911”以后生物识别技术的重要以后生物识别技术的重要性被全球各国
13、政府更加清晰地相识到。传统的身性被全球各国政府更加清晰地相识到。传统的身份鉴别技术面临反恐任务时所表现出来的缺陷，份鉴别技术面临反恐任务时所表现出来的缺陷，使得各国政府在探讨与应用上对生物特征识技术使得各国政府在探讨与应用上对生物特征识技术起先了大规模的投资。起先了大规模的投资。n n在美国：三个相关的法案（爱国者法案、边疆签在美国：三个相关的法案（爱国者法案、边疆签证法案、航空平安法案）都要求必需接受生物识证法案、航空平安法案）都要求必需接受生物识别技术作为法律实施保证。总体上来说，国外生别技术作为法律实施保证。总体上来说，国外生物认证技术的应用已经进入了以政府应用为主的物认证技术的应用已经
14、进入了以政府应用为主的阶段。阶段。深圳康贝尔人脸识别系统n n人脸识别门禁系统人脸识别门禁系统人脸识别大型场馆准入系统人脸识别大型场馆准入系统人脸识别在银行金库的应用人脸识别在银行金库的应用n n中国人民银行规定全部的金库安防监控系中国人民银行规定全部的金库安防监控系统都要有人脸识别功能统都要有人脸识别功能n n联合国的国际民用航空组织联合国的国际民用航空组织(ICAO)(ICAO)已对已对188188个成员国发布了航空领域运用生物特征认个成员国发布了航空领域运用生物特征认证技术的规划，提出将在个人护照中加入证技术的规划，提出将在个人护照中加入生物特征生物特征(包括指纹识别、虹膜识别、面相包括
15、指纹识别、虹膜识别、面相识别识别)，并在进入各个国家的边疆时进行个，并在进入各个国家的边疆时进行个人身份的确认。目前，此规划已经在美国、人身份的确认。目前，此规划已经在美国、欧盟、澳大利亚、日本、南韩、南非等国欧盟、澳大利亚、日本、南韩、南非等国家和地区通过，从家和地区通过，从20042004年底就起先实施了。年底就起先实施了。人脸识别技术在国外的探讨现状人脸识别技术在国外的探讨现状 n n当前很多国家绽开了有关人脸识别的探讨，主要有当前很多国家绽开了有关人脸识别的探讨，主要有美国，欧洲国家，日本等，著名的探讨机构有美国，欧洲国家，日本等，著名的探讨机构有n n美国美国MITMIT的的Medi
16、alab,AIlab,CMUMedialab,AIlab,CMU（卡耐基（卡耐基-梅隆梅隆高校）的高校）的Human-ComputerInterfaceHuman-ComputerInterfaceInstituteInstitute，MicrosoftResearch,MicrosoftResearch,n n英国的英国的DepartmentofEngineeringinDepartmentofEngineeringinUniversityofCambridgeUniversityofCambridge（剑桥高校）等。（剑桥高校）等。n n综合有关文献，目前的方法主要集中在以下几个方综合有关
17、文献，目前的方法主要集中在以下几个方面：面：综合有关文献，目前的方法主要集中在以下几个方面：n n（1 1）模板匹配）模板匹配n n（2 2）示例学习）示例学习n n（3 3）神经网络）神经网络n n（4 4）基于隐马尔可夫模型的方法）基于隐马尔可夫模型的方法n n除此以外，除此以外，n n基于基于AdaBoostAdaBoost的人脸识别算法，的人脸识别算法，n n基于彩色信息的方法，基于彩色信息的方法，n n基于形态分析的方法，基于形态分析的方法，n n以及多模态信息融合的方法，国外都进行了大量以及多模态信息融合的方法，国外都进行了大量的探讨与试验。的探讨与试验。探讨现状探讨现状国际上对人
18、脸及人脸面部表情识别的探讨现在渐渐成为科研热点。国内外很多机构都在进行这方面的探讨,尤其美国、日本。进入90 年头,对人脸表情识别的探讨变得特别活跃,吸引了大量的探讨人员和基金支持,EI 可检索到的相关文献就多达数千篇。美国、日本、英国、德国、荷兰、法国等经济发达国家和发展中国家如印度、新加坡都有特地的探讨组进行这方面的探讨。其中MIT、CMU、Maryland 高校、Standford 高校、日本城蹊高校、东京高校、ATR 探讨所的贡献尤为突出。n n国内的探讨工作主要是集中在三大类方法的探讨：n n基于几何特征的人脸正面自动识别方法n n基于代数特征的人脸正面自动识别方法n n基于连接机制
19、的人脸正面自动识别方法。人脸识别的过程人脸识别的过程32人脸识别的过程n n登记过程登记过程n n识别过程识别过程一对一的验证过程一对一的验证过程一对一的验证过程一对一的验证过程一对多的辨别过程一对多的辨别过程一对多的辨别过程一对多的辨别过程33登记过程34一对一的验证过程35一对多的辨别过程人脸识别系统人脸识别系统所谓人脸识别系统，是指不须要人为干预，能够自动获得人脸图像并且辨别出其身份的系统 一个人脸识别系统至少要包含三个部分，即数据采集子系统、人脸检测子系统和人脸识别子系统 数据采集数据采集子系统子系统人脸识别人脸识别子系统子系统人脸检测人脸检测子系统子系统人脸识别系统识别结果：He i
20、s!人脸检测与人脸识别的探讨内容(1)(1)人脸检测（人脸检测（FaceDetectionFaceDetection）人脸检测（人脸检测（FaceDetectionFaceDetection）是指在输入图像中）是指在输入图像中确定全部人脸（假如存在）的位置、大小、位姿确定全部人脸（假如存在）的位置、大小、位姿的过程。人脸检测是自动人脸识别系统中的一个的过程。人脸检测是自动人脸识别系统中的一个关键环节。关键环节。(2)(2)人脸识别人脸识别 人脸识别细分为两类，一类是回答我是谁的问题，人脸识别细分为两类，一类是回答我是谁的问题，即分辨（即分辨（IdentificationIdentificati
21、on），另一类是回答这个人），另一类是回答这个人是我吗？即确认（是我吗？即确认（VerificationVerification）。明显，用于）。明显，用于IdentificationIdentification模式的识别系统对算法的运算速度模式的识别系统对算法的运算速度的要求要高于的要求要高于VerificationVerification模式的识别系统。模式的识别系统。n n从人脸自动识别技术所依据的理论来讲，人脸检从人脸自动识别技术所依据的理论来讲，人脸检测与人脸识别都是模式识别问题。测与人脸识别都是模式识别问题。n n人脸检测是把全部的人脸作为一个模式，而非人人脸检测是把全部的人脸作为
22、一个模式，而非人脸作为另一个模式，人脸检测的过程就是将人脸脸作为另一个模式，人脸检测的过程就是将人脸模式与非人脸模式区分开来。模式与非人脸模式区分开来。n n人脸识别是把每一个人的人脸作为一个模式来对人脸识别是把每一个人的人脸作为一个模式来对待，不同人的脸属于不同的模式类，人脸识别的待，不同人的脸属于不同的模式类，人脸识别的过程是将属于不同人的脸归于各自的模式。过程是将属于不同人的脸归于各自的模式。n n换句话说，人脸检测强调的是人脸之间的共性，换句话说，人脸检测强调的是人脸之间的共性，而人脸识别则要区分不同人脸之间的差异，二者而人脸识别则要区分不同人脸之间的差异，二者同属于模式分类问题。同属
23、于模式分类问题。应用人脸识别人脸检测与人脸识别的评价标准n n定义定义1 1：检测（：检测（DetectionDetection）指对人脸图像进行检测和定）指对人脸图像进行检测和定位的过程。位的过程。n n定义定义2 2：拒检（：拒检（DetectionRejectionDetectionRejection）指不能正常检测）指不能正常检测到人脸或人脸不能定位以及人脸检测失败。到人脸或人脸不能定位以及人脸检测失败。n n定义定义3 3：拒检率：拒检率DRRDRR（DetectionRejectionRateDetectionRejectionRate）指被）指被拒检的人脸图像占统计总数的比例，用
24、百分比表示。拒检的人脸图像占统计总数的比例，用百分比表示。n n定义定义4 4：比对（：比对（MatchingMatching）指以人脸特征与另一人脸特征）指以人脸特征与另一人脸特征比较的过程。比较的过程。n n定义定义5 5：匹配相像度（：匹配相像度（SimilaritySimilarity）人脸特征比对的输出）人脸特征比对的输出结果，代表参与比对的两个人脸特征的相像程度。用结果，代表参与比对的两个人脸特征的相像程度。用0 0到到1 1之间的小数表示，该数字愈大表示比对的人脸特征相像程之间的小数表示，该数字愈大表示比对的人脸特征相像程度愈大，该数字愈小表示参与比对的人脸特征相像程度愈度愈大，
25、该数字愈小表示参与比对的人脸特征相像程度愈小。小。n n定义定义6 6：错误拒绝：错误拒绝FRFR（FalseRejectionFalseRejection）指定某匹配相）指定某匹配相像度为判定阈值，在来自于同一个个体的人脸特征之间的像度为判定阈值，在来自于同一个个体的人脸特征之间的比对，其结果（匹配相像度）小于设定阈值。即指授权人比对，其结果（匹配相像度）小于设定阈值。即指授权人不能被正确接受的比率。不能被正确接受的比率。n n定义定义7 7：错误接受：错误接受FAFA（FalseAcceptanceFalseAcceptance）指定某匹配相）指定某匹配相像度为判定阈值，在来自于同一个个体
26、的人脸特征之间的像度为判定阈值，在来自于同一个个体的人脸特征之间的比对，其结果（匹配相像度）大于设定阈值。即指非授权比对，其结果（匹配相像度）大于设定阈值。即指非授权人错误的推断为授权人的比率。人错误的推断为授权人的比率。n n定义定义8 8：错误拒绝率（：错误拒绝率（FalseRejectionRateFalseRejectionRate）指发生）指发生FRFR的比对次数占总统计比对次数的比例，用百分比表示，也的比对次数占总统计比对次数的比例，用百分比表示，也叫拒真率。叫拒真率。n n定义定义9 9：错误接受率：错误接受率FARFAR（FalseAcceptanceRateFalseAcce
27、ptanceRate）指）指发生发生FAFA的比对次数占总统计比对次数的比例，用百分比表的比对次数占总统计比对次数的比例，用百分比表示，也叫错误通过率，或认假率。示，也叫错误通过率，或认假率。n n定义定义1010：相等错误率：相等错误率EEREER（EqualErrorRateEqualErrorRate）指在某）指在某给定匹配相像度下，给定匹配相像度下，FARFAR与与FRRFRR相等时的错误率，即相等时的错误率，即FAR=FRRFAR=FRR。n n定义定义1111：登录时间（：登录时间（EnrollmentTimeEnrollmentTime）从一幅）从一幅人脸图像获得后，进行人脸检测
28、、定位和特征提人脸图像获得后，进行人脸检测、定位和特征提取所花费的时间，此时间是数学统计平均值，用取所花费的时间，此时间是数学统计平均值，用毫秒（毫秒（msms）表示。）表示。n n定义定义1212：比对时间（：比对时间（MatchingTimeMatchingTime）比较两张）比较两张人脸特征所花费的时间，此时间包含文件读写时人脸特征所花费的时间，此时间包含文件读写时间的数学统计平均值，用毫秒（间的数学统计平均值，用毫秒（msms）来表示。或）来表示。或者是将一张人脸特征与确定数量的人脸特征进行者是将一张人脸特征与确定数量的人脸特征进行比对所花费的时间的总和，表示为毫秒比对所花费的时间的总
29、和，表示为毫秒/万人。万人。n n定义定义1313：首选识别率（：首选识别率（FirstHitFirstHit）匹配相像度最）匹配相像度最大的人脸是正确的人的比率。即将识别结果依据大的人脸是正确的人的比率。即将识别结果依据匹配相像度从大到小排列，排在第一位的人脸就匹配相像度从大到小排列，排在第一位的人脸就是正确的被识别的人的比率。是正确的被识别的人的比率。n n定义定义1414：累计识别率（：累计识别率（FirsnHitFirsnHit）正确的识别）正确的识别结果在前结果在前N N个候选人中的比率。即将识别结果依个候选人中的比率。即将识别结果依据匹配相像度从大到小排列，在前据匹配相像度从大到小
30、排列，在前N N个结果中存个结果中存在被识别的人的比率。在被识别的人的比率。特征脸特征脸（eigenfaceeigenface）方法方法是人脸识别的基准技术，并已成为事实上的工业标准该方法基于主成分分析（PCA）PCA是将分散在一组变量上的信息集中到某几个综合指标（主成分）上的数学方法，事实上起着数据降维的作用，并保证降维过程最大化保留原数据的差异这对最大化类间差异（即不同人之间的差异）并最小化类内差异（即同一人的不同图像间的差异）很有效用PCA将2维数据降到1维的例子，绿色点表示二维数据，PCA的目标就是找到这样一条直线，使得全部点在这条直线上的投影点之间的平均距离最大。也就是最大化地保留了
31、原数据的差异性特征脸方法特征脸方法u干脆计算C 的本征值和本征向量是困难的，可以通过对矩阵 做奇异值分解间接求出um值的选择：假如将本征向量复原成图像，这些图像很像人脸，因此称为“特征脸”M.Turk&A.Pentland,JCN91特征脸特征（特征脸特征（eigenfeature）方法）方法利用PCA分析眼、鼻、嘴等局部特征，即特征脸特征方法 R.Brunelli&T.Poggio,TPAMI93 A.Pentland et al.,CVPR94这事实上相当于：为若干重要的特征建立本征空间，然后将多个本征空间集成起来特征脸特征脸 vs.特征脸特征特征脸特征特征脸利用全局特征，特征脸特征利用局
32、部特征，二者各有优势待识别图像特征脸识别结果特征脸特征识别结果 A.Pentland et al.,CVPR94特征脸特征脸 vs.特征脸特征特征脸特征(2)(1)(3)(4)难题能否自动确定：该用哪些特征？（眼睛？鼻子？嘴？）特征的准确位置在哪儿？（从哪儿到哪儿算眼睛？）将二者结合，可以得到更好的识别效果同样，这事实上相当于：为若干重要的特征建立本征空间，然后将多个本征空间集成起来由于嘴部受表情影响很严峻，因此未考虑嘴部特征试验结果试验结果 X.Geng&Z.-H.Zhou,unpub04FERET人脸数据库上的结果(3)(2)(1)(4)(2)(1)(3)(4)待识别图像出现在算法返回的前
33、Rank个图像中SEME选择的特征本征脸+本征特征所用的特征SEME的可扩展性的可扩展性SEME的训练（计算）开销很大，但只需训练一次 X.Geng&Z.-H.Zhou,unpub04将FERET人脸数据库上选择出的本征空间集成干脆用于ORL（左）和BioID（右）这两个人脸数据库的结果人脸识别的关键问题n n1.人脸面部形态（面型、眼睛、鼻子）n n2.人脸识别中的视觉特征（早期MARR理论框架3个层次计算理论、算法、实现机制；现多层次）n n3人脸识别中的光照问题n n4.人脸识别中的姿态问题面部特征提取算法n n几何特征提取n n统计特征提取（主成分、2维主成分、线性判别分析法、独立成分
34、分析法）n n频率域特征提取（Gabol、离散余弦）n n运动特征提取n n代数特征提取面部特征的模式识别算法n n线性判别分析（Fisher线性判别）n n支持向量机SVMn n贝叶斯网络n n隐马尔可夫模型及其基本问题n n人工神经网络n n模糊模式识别人脸识别系统设计与实现人脸识别系统设计与实现n n人脸识别系统的总体设计n n人脸识别系统的算法设计n n人脸识别系统的实现人脸识别系统的开发与试验工具人脸识别系统的开发与试验工具nIntel开源计算机视觉库OpenCV简介n:/opencv.org/forum/nIntel开源计算机视觉库OpenCVOpenCV概述 n n书目书目书目书
35、目n n11什么是什么是什么是什么是OpenCVOpenCVn n22重要特性重要特性重要特性重要特性 n n33谁创建了它谁创建了它谁创建了它谁创建了它 n n44新特征新特征新特征新特征 n n55从哪里下载从哪里下载从哪里下载从哪里下载OpenCVOpenCVn n66假如在安装假如在安装假如在安装假如在安装/运行运行运行运行/运用运用运用运用OpenCVOpenCV中遇到问题中遇到问题中遇到问题中遇到问题 n n7OpenCV7OpenCV参考手册参考手册参考手册参考手册 n n88中文翻译者中文翻译者中文翻译者中文翻译者 什么是OpenCV n nOpenCV是Intel开源计算机视
36、觉库。它由一系列C函数和少量C+类构成，实现了图像处理和计算机视觉方面的很多通用算法。n nopencv自带的sample里面有很多识别例子，有人脸视频跟踪的，还有画图的，也有定位人脸的。总纲：n n用C/C+编写的开源计算机视觉库。n n目的是为了实时应用。n n独立于操作系统/硬件/图形管理器。n n通用的图像/视频载入、保存和获得模块。n n底层和高层的应用开发包。OpenCV 模块：n ncv主要的OpenCV函数。n ncvaux协助的（试验性的）OpenCV函数。n ncxcore数据结构与线性代数支持。n nhighgui图像界面函数。重要特性 n nOpenCVOpenCV拥有
37、包括拥有包括300300多个多个C C函数的跨平台的中、函数的跨平台的中、高层高层APIAPI。它不依靠于其它的外部库。它不依靠于其它的外部库尽管也尽管也可以运用某些外部库。可以运用某些外部库。n nOpenCVOpenCV对非商业应用和商业应用都是免费对非商业应用和商业应用都是免费（FREEFREE）的。（细微环节参考）的。（细微环节参考licenselicense）。）。n nOpenCVOpenCV为为IntelIntegratedPerformanceIntelIntegratedPerformancePrimitives(IPP)Primitives(IPP)供应了透亮接口。供应了透
38、亮接口。这意味着假这意味着假如有为特定处理器优化的的如有为特定处理器优化的的IPPIPP库，库，OpenCVOpenCV将在运行时自动加载这些库。将在运行时自动加载这些库。更多关于更多关于IPPIPP的的信息请参考：信息请参考：:/intel:/intel/software/products/ipp/index.htm/software/products/ipp/index.htm从哪里下载从哪里下载 OpenCVn n访问访问:/:/ n假如在运用假如在运用OpenCVOpenCV存在问题，在存在问题，在Google(:/Google(:/google)google)中输入中输入OpenCV
39、OpenCV和相关问题的关键字进行搜和相关问题的关键字进行搜寻。也可以到本网站的论坛上面发帖来询问。论坛地址是：寻。也可以到本网站的论坛上面发帖来询问。论坛地址是：opencvopencv中文论坛。中文论坛。假如在安装假如在安装/运行运行/运用运用 OpenCV 中中遇到问题遇到问题n n阅读阅读阅读阅读FAQFAQ中文中文中文中文 n n在在在在OpenCVOpenCV邮件列表邮件列表邮件列表邮件列表yahoogroupsyahoogroups（:/groups.yahoo/group/OpenCV/:/groups.yahoo/group/OpenCV/）中搜）中搜）中搜）中搜寻。寻。寻。
40、寻。n n加入到加入到加入到加入到yahoogroupyahoogroup上的上的上的上的OpenCVOpenCV邮件列邮件列邮件列邮件列表中（如何加入请参考表中（如何加入请参考表中（如何加入请参考表中（如何加入请参考FAQsFAQs），并发送你的问），并发送你的问），并发送你的问），并发送你的问题到邮件列表中。（这个邮件列表可能会迁移到题到邮件列表中。（这个邮件列表可能会迁移到题到邮件列表中。（这个邮件列表可能会迁移到题到邮件列表中。（这个邮件列表可能会迁移到OpenCVsSourceForgesiteOpenCVsSourceForgesite）n n参考参考参考参考OpenCVOpenCV的例子代码，阅读参考手册的例子代码，阅读参考手册的例子代码，阅读参考手册的例子代码，阅读参考手册:):)OpenCV参考手册参考手册n nCxCore中文参考手册n nCv中文参考手册n nCvAux中文参考手册n nHighGUI中文参考手册中文翻译者中文翻译者n n于仕琪，中科院自动化所自由软件协会n nHUNNISH，阿须数码