基于OpenCV的人脸检测系统开发与实现

杨柳 颜兵

摘要：人脸检测是人脸识别的重要环节，人脸检测已经成为一个独立的研究课题。本文通过分析基于OpenCV提供的Haar分类器算法，设计开发了一个人脸检测系统。该系统成功实现了对目标图像的人脸定位。

關键词：人脸识别  ;人脸检测 ; OpenCV  ;  Haar分类器 ; AdaBoost算法

中图分类号：TP391.41   文献标识码：A   文章编号：1672-9129（2020）12-0050-01

1 人脸检测概述及检测过程

人脸检测是自动人脸识别系统中的一个关键环节[1]，人脸检测算法是人脸检测系统中的关键问题。最早的人脸检测算法利用模板匹配技术，通过将人脸模板图像与被检测图像进行匹配，以确定某个位置是否有人脸。此后，随着机器学习算法和卷积神经网络被引入人脸检测中，人脸检测的成功率得到大幅提高。

人脸检测的任务[2-3]是在输入图像中确定所有的人脸。人脸检测有两个步骤：（1）图像预处理;（2）人脸位置定位。图像预处理又分为三个步骤，及图像灰度化、对灰度化的图像进行直方图均衡化。对图像进行预处理后，就可以确定人脸的位置。本系统通过调用cv.HaarDetectObjects（）函数来完成人脸定位，这个过程需要利用OpenCV的Haar分类器。

2 系统设计

2.1开发环境。本系统是基于Python + OpenCV的人脸检测系统，调试环境为Eclipse + PyDev 4.0.0，采用Python 2.7.9开发语言及OpenCV 2.4.10视觉库，通过在Python中调用OpenCV提供的人脸检测函数开发完成。

2.2系统总体功能。本系统共有三个模块：用户界面、获取图像、人脸检测，这三个模块分别对应一个函数，系统运行流程图见图1。

3 应用效果

基于某引进航空电路板，在对其故障进行诊断检测时，通过红外热像仪，有着较高的检测效率，在多方面有着显著的优势，比如快速故障定位。在引进该系统之后，针对于电路板故障诊断，已完成了数百余块，有效处理了一系列较为棘手的问题，带来了较好的经济效益，而且在一定程度上，获取了较为可观的军事效益。依据相关的统计得知，对于故障器件而言，大多数是数字芯片以及模拟元件，在对失效原因进行分析之后得知，大多数是因短路接地而引起的。由此可以得知，对于红外热成像检测而言，在模拟电路方面是适用的，同时对于数字电路的检测，亦有着较为突出的效果。

结论：通过以上的分析可以得知，为实现维修保障能力的提高，对于电路板故障的诊断，可借助于红外热成像检测;系统在经过对标准与待测红外图像比较之后，能自动查找故障区域，而且可对故障元器件进行识别;为提升检测精度，需确保检测距离的一致;通过红外热成像检测，能确保电路的完整，检测结果更加直观、更加明了，有着较高的定位效率。

参考文献：

[1]宋中建，周章勇，唐荣.红外热像仪在电路板故障诊断中的应用[J].安徽科技，2020（07）：48-49.

[2]李颂，孟坚，尚凤仪.基于红外热像仪的印刷电路板故障检测系统设计[J].电脑知识与技术，2017，11（08）：211-212.

作者简介：李展 1991，男，江苏南通，汉，本科，在读在职工程硕士，苏大机电学院，研究方向：控制工程。