【精品】VC++基于WebCam的人脸检测技术设计(论文+源代码+开题报告+文献综述7+外文翻译+答辩PPT)
收藏
资源目录
压缩包内文档预览：
编号：1639459
类型：共享资源
大小：5.31MB
格式：RAR
上传时间：2017-08-30
上传人：机****料
认证信息
个人认证
高**（实名认证）
河南
IP属地：河南
50
积分
- 关 键 词：
-
精品
vc
基于
webcam
检测
技术设计
论文
源代码
开题
报告
讲演
呈文
文献
综述
外文
翻译
答辩
ppt
- 资源描述：
-
【精品】VC++基于WebCam的人脸检测技术设计(论文+源代码+开题报告+文献综述7+外文翻译+答辩PPT),精品,vc,基于,webcam,检测,技术设计,论文,源代码,开题,报告,讲演,呈文,文献,综述,外文,翻译,答辩,ppt
- 内容简介：
-
目 录 摘要 . 2 关键词 . 2 . 3 . 3 1 人脸检测的意义，国内外的情况综述 . 4 2 单帧图像的人脸定位 . 6 色空间，以及彩色空 间的转换 . 6 脸肤色模型，二值化 . 7 处理 . 9 脸区域的定位 . 10 3 视频流 . 10 频流采集工具 介 . 10 频流采集的实现 . 11 要功能 . 11 体实现 . 11 频流的绘制 . 15 4 试验数据与展望 . 17 验数据 . 17 望 . 18 参考文献 . 18 附录 A 系统使用说明 . 19 杭州师范学院本科毕业论文 人脸识别技术 摘要 人脸识别技术可以应用于基于网络的身份认证，我们实现了基于 人脸识别与跟踪系统。本文以 集的视频流为数据源，截取视频流中的单帧图像，通过转换 彩色 空间、人脸肤色建模、后处理操作和人脸定位算法实现了人脸检测，并以此为基础实现了在视频流中对于人脸的跟踪。试验结果表明，我们所实现的人脸识别算法适用于近距离人脸的检测，可以 应用于基于 身份认证。 关键词 人脸识别，人脸检测，肤色，定位，视频流 杭州师范学院本科毕业论文 人脸识别技术 be to we as in It on in of we to be as 州师范学院本科毕业论文 人脸识别技术 1 人脸检测的意义，国内外的情况综述 基于视频流的人脸分析是目前计算机模式识别和图形图像领域中的研究热点，其目的是在视频中自动检测、定位、跟踪和识别人脸。该技术能广泛应用于基于内容的图像检索、视频编码、生物认证、计算机安全、电子商务等领域。虽然已经有很多人脸检测和识别算法，但至今仍有大量的研究者在研究这项技术，这是因为人脸是一个动态的目标，在表达形式上有高度的可变性，导致该项技术仍然是机器视觉中的难点。 基于 的摄像头）的人脸检测和跟踪技术是将人脸分析技 术与基于视频流相结合的一项技术，可以应用于在 的身份认证和安全。目前已经有大量的生物认证技术（如指纹识别，虹膜识别，人脸识别）应用于身份认证，用于加强传统身份认证技术（如口令）。但是这些技术均只能用于本机操作，而不能用于 身份的验证。例如，我系计算机教育与应用研究所开发出了基于 B/S 模式的考试系统，从理论上说可以实现在 的考试。然而，由于不能解决在 的身份认证，该系统目前只能适用于在局域网中进行在线测试。可以设想，如果有了基于 人脸检测和跟踪技术，我们就可以在此基础上实现考试过程中的身份认证和考试监控。 基于 的摄像头）的人脸检测和跟踪技术的核心是人脸分析。人脸分析的任务包括人脸检测，人脸识别和人脸跟踪。人脸检测是许多后期应用的预处理过程。有许多方法可以用于人脸检测，这些方法可以分成四大类： （ 1）基于知识 （ 的方法，是基于规则的方法，试图对人脸特征在直觉上建模。 （ 2）基于特征不变性 （ 的方法，是利用特征的不变性进 行检测，如比例、方位、灰度级和肤色等）。 （ 3）模板匹配 （ 的方法，通过手工定义人脸的模板，或者是脸部特征，来与输入图像进行匹配。 （ 4）基于外貌 （ 的方法，通过机器学习的方法找到人脸中的相关特征。 方法 代表文章 基于知识 变特征 面部特征 of 理（皮肤） of 色 重特征 of 板匹配 预先确定的人脸模板 变的（人脸）模型 基于外观的（识别）方式 特征人脸 州师范学院本科毕业论文 人脸识别技术 分布式 经系统网络 of 持矢量机技术 单贝叶斯分类 of 马尔可夫模型 息理论法 格一 概括了单一图像中这四类人脸检测的算法和具有代表性的文章 其中， 人脸的肤色作为一种有效的特征已经在人脸识别和人手跟踪等许多应用中得到使用和证明。虽然不同的人有不同的肤色，但经研究表明：这主要是由于肤色的亮度和色度之间存在差异造成的。 许多基于肤色不变性的人脸识别方法都是构建一个肤色模型。最简单的肤色模型是定义一个肤色像素的色调阈限，用 识值，例如 R(b)是从肤色模型像素的实例中取值的。选用适合的阈限 ( (如果一个像素 (b)的值符合这个范围域内，即， 是从直方图的实例中根据经验选定的一个表示肤色像素出现概率的域值，那么这个像素被归类到相应的肤色中去。 出一种迭代的皮肤识别方法，这种方法使用 彩空间 138的直方图交 集。肤色像素中的一个初始化的点，被称为控制点。这些点是由用户选择的，常被用于迭代算法的初始化。为了识别肤色的区域，他们的方法是通过一幅图像中某一时刻的点移动，把来自该图像的控制直方图和当前直方图的比较关系表现出来。直方图交集被用于比较控制直方图和当前直方图，如果匹配值或公共的实例数目（例如交集）比一个域值大，那么当前点被当做肤色来分类。 相对于前面所述的非参数方法，高斯密度函数和混合高斯是常被用于模拟肤色的参数方法。 义一个在 彩空间中用来从背景中区分出皮肤区域的色彩术语 。常常使用可能性大的值来估算单峰高斯分布中的参数，且宁可使用一种混合高斯而不使用一种多模型分布，因为有报告表明不同种族背景的有色人种不能构造一种多模型的分布的色彩直方图。 从规格化 彩空间中搜集来的、近十亿个被标识的皮肤色调像素中进行一项大级别的实验。比较直方图的性能和混合模型对皮肤的识别，他们发现直方图模型在正确度和计算代价上更有优势。如果肤色模型能够完全适应于不同光照条件的需要，那么肤色信息是用于识别脸部区域和特殊脸部特征的有效工具。然而，这样的肤色模型在光源变化显著的光谱中 就无效了。换句话说，由于背景和前景光照的变化，肤色表现出来的状态经常是不稳定的。虽然通过使用物理学模型能明确地表达色彩稳定不变的性质，但是在光照条件变化的情况下使用肤色识别还是存在有些问题的。 出一个适应性色彩混合模型，用来在光照条件变化的情况下跟踪人脸。相对于依赖一个基于稳定不变性质的肤色模型，他们使用随机模型来估算一个对象的在线肤色分布，且这个模型能适应观察和光照条件的调和变化。初步结论显示他们的系统能够在一个大范围的光照条件下跟踪人脸，但是这种方法不能应用在单一人脸图像的人脸识别。 杭州师范学院本科毕业论文 人脸识别技术 通 常，人脸跟踪系统采用单一的一种检测技术来识别和跟踪人脸，然而一种模态只适用于在某些特定条件下的跟踪，因此在无约束的自然场景下总会有失败的情况。此外，对于基于 人脸检测和跟踪系统来说，由于 传输图像的质量和速度都不是很高，因此对人脸检测和跟踪算法提出了更高的健壮性和实时性要求。 本次毕业设计的初衷是实现基于 的摄像头）的人脸检测和跟踪技术，而这项技术又可以分为如下几部分： （ 1）利用 取视频流； （ 2）人脸的检测（包括从背景中确定人脸的 存在，以及验证检测到人脸是否是参加在线考试的人员）； （ 3）人脸的跟踪（在在线考试的过程中实时监控考试对象）。 因为时间有限，在此次毕业设计中，本文要研究的内容和目标是“利用 取视频流”和“在获取的视频流中，进行单帧人脸定位”。图一给出了本次毕业设计的总体实现流程： 2 单帧图像的人脸定位 我们之所以能通过眼睛和大脑把单帧图像中的人脸从背景区域中区分出来，很重要的一点原因就是人脸和背景之间存在着可以区分的色彩差异，这种差异同样可以成为程序区分人脸和背景的依据。因此，本文采用 人脸中最大块，最 集中的不变特征肤色作为从背景中区分人脸的依据。 及彩色空间的转换 本文是通过 供的视频采集函数来采集单帧图像的，它是以 32 位真彩色的色彩实现方式存放的。图像中每个像素都是由 3 个字节 24 个二进制位来表示的，每个字节（ 8 位）代表一个不同的颜色分量。这三个分量依次是蓝色分量 B、绿色分量 G、红色分量 R，而这三个字节存储的实际内容就是这三个分量的值。根据存储单位的大小，我们不难得出这三个分量的取值范围都是在 (0,255)之间，其中三个分量的值全取 0 表示黑色，全取 255表示白色，而其他颜色也可以通过对 B、 G、 R 三个分量取不同的数值来得到。这种被大多数图像格式所采用的彩色空间，称之为 色空间。在 色空间中，颜色的表达是由红、绿、蓝三种颜色按不同比例混合而成，这样的表达方式并不能准确地反映出颜色本身的特征。因为，人眼看到的任何一种彩色光都是彩色三要素：亮度（ 色调（ 饱和度（ 合而成的效果。其中，亮度是光作用于人眼时所引起的明亮程度的感觉，它与被观察事务的发光强度有关；色度反映颜色的种类，是当人眼看到一种或多种波 长的光时所生产的彩色感觉，它与光的波长有关，是决定颜色的基本特征；饱和度是指颜色的深浅程度，即各种颜色混入白光的程度。由此可见，这三个要素才是对颜色本身最准确地诠释。而且，据研究表明，人的视觉对亮度细节的敏感程度远大于对色度细节的敏感程度，此外， 经过统计证明，不同人种，不同环境下的肤色区别主要受亮度影响，受色度影响较小，可见， 色空间并不适合人类的视觉特征。因此，我们完全可以选择更能突出颜色特征图一 杭州师范学院本科毕业论文 人脸识别技术 的彩色空间来分析人脸肤色和背景色，并为人脸肤色建模。 本文选择 色空间（即 其中的 Y 分量 是表示像素的亮度， 为色度，其中 )分量表示红色色差分量， )表示蓝色色差分量，这两个色差信号分别传送红基色分量 R 和蓝基色分量 B 与亮度分量 Y 的差值信号，即 )(1 和)(2 ，其中 1k 、 2k 为加权系数。对于黑白图像有： R=G=B，则 ， 。而对于彩色图像， 22 )()( 代表图像的饱和度。在多媒体计算机中采用的 色空间，数字化后 Y:r 为 8:4:4 或 8:2:2。具体的实现方法是处理亮度分量时，每个像素数字化为 8256 级亮度），而 差分量则是每四个像素用一个 8据表示，这样以来，将一个像素用 24示压缩为用 12示，对这种变化人眼是感觉不到的。但是，在本文中，从 色空间转换到 色空间，每个像素的存放位数未做压缩，经过如下公式： （ 1） （ 2） （ 3） 转换的单帧图像，仍以 24示一个像素值，其中第 1 个字节（前 8 位）表示 Y 分量，第 2个字节（中间 8 位）表示 量，第 3 个字节（后 8 位）表示 量。在程序代码中，用色空间表示的单帧图像是存放在以 型定义的变量 据成员中，而经过彩色空间转换后的单帧图像是存放在 冲区中（有关 量 说明详见本文的第三部分）。这样一来，当我们需要将人脸定位后的单帧图像以 图方式绘制出来时，就无需再将彩色空间转换回 色空间，而只需要根据计算得到人脸定位信息，在原来的、以 色空间表示的单帧图像中勾勒人脸的位置。 本文选择 色空间，主要原因是从 色空间到 色空间的转换相当于对 间做了一个解相关的线性变化，其计算过程相对于 色空间到 色空间和 色空间的转换 过程要简便得多，而尽可能少而简单的计算可以减少转换过程的失真率。此外，转换彩色空间而不做压缩操作的原因是毕业设计中采集的单帧图像的数据容量（ 144 176）较小，所需要的内存空间足够，而且对不做压缩的图像像素地访问也更为便捷。 值化 将单帧图像转换到 间后，要检测该单帧图像中某一像素是否属于人脸像素，可以通过“阈值处理”的方法对该像素的灰度值进行判断，然后把符合“阈值处理”公式的像素标识出来，从而实现图像的二值化。其中，阈值处理就是指，对于输入图像的各像素灰度值属于某定值（ 称为阈值， 围内时，赋予对应输出图像的像素为白色或黑色。 要通过“阈值处理”的方法实现对单帧人脸图像的二值化，必须先解决的问题是确定适合的人脸肤色模型。虽然人脸的肤色看起来是变化的，但是人脸肤色的变化多数情况是因为肤色亮度值的差异造成的。因此，在确定人脸肤色模型时，我们可以把这种由肤色亮度值造成的差异忽略掉，即只采用肤色的色度值来确定人脸的肤色模型。根据 文中的介绍，忽略 肤色亮度值将不会影响对人脸肤色的成功检测，反而可以减少对大容量的三维 色空间的处理，转而对易处理的二维 人脸识别技术 图进行研究，同时还有助于减少对单帧图像的计算处理。 在试图寻找适合的人脸肤色模型的过程中，笔者首先尝试了 文中介绍的人脸肤色模型。现介绍如下： 前面的叙述中笔者也已经提到过了，在 文中的人脸肤色模型是忽略人脸肤色的亮度值的，因此文中所进行的试验都是在二维的 中展开的。 为了确定在 图中的脸部肤色精确度，使用重复实验法来找出压缩方法，来压缩所有人脸都共有的色度的根本性质，无论肤色的变换度如何。这些实验的结果把最佳匹配（ 域分为 3 个单独的脸部肤色类，分别是浅肤色、中等肤色和深肤色。每一个类用一种特殊的人种群来表示。用浅肤色类来判断白种人，用中等肤色类来判断黄种人，用深肤色类来判断印第安人。 以上三幅 所呈现的区域就是针对三种肤色类得到的最佳匹配（ 域，由此可以观察到，这三类肤色在 中共享一个公共的连续区域，该区域形成的最后二维脸部肤色模型见图五所示。 该图中所描绘的区域可以分别用下列不等式组 不等式组一： )( )( 且 43 22 )()( 78 （ 4） 图二 图三 图四 图五 杭州师范学院本科毕业论文 人脸识别技术 不等式组二： )( )( 且 0 22 )()( 70 （ 5） 的算术集合来表示。如果一个像素在这幅 中的对应位置满足两个不等式集合中的任意一个，那么就把这个像素识别为脸部肤色。 笔者把该人脸肤色模型用程序代码实现，并进行二值化处理，结果未能得到如文章中所述的理想的识别效果。在单步调试人脸肤色模型的过程中，笔者发现人脸肤色像素的色度要素的两个分量 灰度值比较接近，所以仅以人脸肤色像素的色度值立如下人脸肤色模型： （ 6） 结果，人脸肤色像素的色度值确实在此公式给出的范围之内。但是，在随后多次的试验中，出现了这样的问题： 若在肤色识别函数中仅用 么 如图六中所示的蓝色区域，也会被当做肤色像素而二值化为白色。 可见，仅用色度值来区别人脸肤色像素和非肤色像素还不够准确。再次考虑色度值对人脸肤色的影响，本文尝试对红色分量 行域值处理。 取值，是通过计算 色空间下、单帧图像像素的 方图得到的。经反复试验后，将肤色建模公式更 改如下： 180（ 7） 问题也就此解决。 通过二值化操作得到的单帧图像中白色部分表示这些部分的像素是符合人脸肤色模型的像素，而其余的黑色部分的像素就是不符合该模型判别条件的像素。虽然 人类的肤色有特殊的色彩，与大多数其它物体的色彩有明显不同，但是仍存在着和人脸肤色相近的事物，所以，在二值化以后的单帧图像中，白色区域的部分一般来说都不止一个，这就需要通过后处理来去掉单帧图像中那些离散的非人脸区域。 首先把单帧 图像中所有连续白色区域内的白色像素个数统计出来；然后通过比较，保留白色像素个数最多的那块白色区域。接着用一个常量 常数数值的确定应该以开发人员对“视频帧图像中多大范围的人脸才被认为是有效人脸”这个问题的判定为依据）来界定该白色像素的个数，只有当白色像素的个数大于该常量时，才能被判定为人脸区域，因此，如果采集的单帧图像中确有人脸存在，那么该人脸的大小不能小于 则即使图像中有人脸，也一律判定无人脸存在；最后把白色像素个数小于 非人脸的白色区域黑色化。至此 ，若采集到的单帧图像确有符合判定条件的人脸存在，那么二值化的单帧图像就只剩下一个白色区域，即为人脸区域。 处理“去掉离散的非人脸区域”这一后处理操作外，还可以使用形态学上的膨胀（ 腐蚀（ 作将被检测到的脸部皮肤区域里的小且稀少的洞填满，把这些区域的边界线弄平滑，但又不显著改变这些区域。 所谓膨胀（ 作是指某像素的邻域内只要有一个像素是白像素，则该像素就由图六 杭州师范学院本科毕业论文 人脸识别技术 黑变白，其他保持不变；而腐蚀（ 作则是指某像素的邻域内只要有一个像素是黑像素，则该像素 就由白变黑，其他保持不变。从图形学的角度来理解，一个像素的邻域范围内最多可以有 8 个像素与之相邻，所以我们在确定膨胀、腐蚀操作中的邻域范围时，可以有 8连通， 4 连通，左右连通或上下连通，这里，笔者选择 4 连通。也就是说，膨胀、腐蚀操作中某个像素的邻域范围，是与该像素相邻的上下、左右四个像素。 当二值化的单帧图像完成后处理操作后，如果该单帧图像中确有人脸的存在，可按如下设计思路定位人脸区域。 这一设计思路也是图形学中经常会介绍的方法，即通过扫描图像来检测出人脸的边缘。根据图像的存储原理，首先 ，依次从下往上进行扫描，出现白色像素的第一行就是人脸的下边界，记该行为 定了下边界以后，再往上扫描，每操作一行就记录下该行的黑色像素的个数，一旦扫描完某一行后，该行的黑色像素个数值和该行的所有像素个数值（也就是图像的宽度值（单位亦是像素）相同，那么就说明这行扫描线的前面一行是人脸的上边界，记前面一行为 理，再依次从左往右进行扫描，记下人脸的左右边界为 此得到的坐标（ x1,（ x2,（ x1,（ x2,确定的矩形内的部分即为人脸区域。一旦得到人脸在单帧图像中 的位置坐标后，就可以在原来的、 以 色空间表示的单帧图像中，把满足这个（由（ x1,（ x2,（ x1,（ x2,四个坐标所确定下来的）矩形边线的像素赋值为绿色（ 0， 255， 0），再用 数以 图方式绘制出来，就可以得到已经定位好的人脸了。 3 视频流 本文中的视频流是进行单帧人脸定位的数据源，因此，我们有必要了解视频流的采集及存放的全过程。 在 简称 现之前，视频采集是一项及其复杂的工作，但自从 司推出的 +开始支持 件开发包以后，视频采集程序的实现得到了大大地简化。 核心是 件标准。围绕 件标准， 出了一整套完整的视频采集、压缩、解压、回放和编辑的应用程序编程接口（后简称 这些 要分布在以下六个 模块中： （ 1） 含执行视频 采集 的 函数，它给 件的 I/O 处理和视频、音频设备驱动程序提供一个高级接口； （ 2） 含一套特殊的 数，用来处理屏幕上的视频操作； （ 3） 括对 令解释器的驱动程序； （ 4） 含由标准多媒体 I/O（ 数提供的更高的命令，用来访问 人脸识别技术 文件； （ 5） 压缩管理器（ 用于管理的视频压缩 /解压缩的编译码器（ （ 6） 音频压缩管理器 供与 似的服务，适用于波形音频。 因为本文只需要获取视频流的图像信息并回放之，所以文中用来实现视频采集的 数是 两个动态链接库文件提供的。但是，因为 件开发包是 作系统自带的文件，所以，当我们在 +中开发视频采集程序时，需要把 +这个编程工具自带的 件加入到我们的开发工程中，件来访问和使用 件开发包里的 数，以此实现视频采集的功能。 件开发包为开发 人员提供了丰富的接口函数调用，可以适用开发 口的摄像设备。本文采集视频流的工具正是符合这一条件的网络摄像头（后简称 而与该硬件相关联的软件，即视频流的采集是通过 件里的视频采集函数来实现。 要功能 持实时的视频流采集，能直接访问视频缓冲区而无需生成中间文件，实时性强，效率高。它的主要功能是通过一个采集窗口来实现的。从概念上讲，采集窗口类似于一些标准控件，例如按钮、列表框等。 的功能函数的调用都需要采集窗口的句柄，且 采集窗口呢，则为开发人员提供了如下功能： （ 1）设置采集参数，如采集速率（ s）； （ 2）实时地采集视频数据，如 以 式对输入的视频流进行实时显示 ；（所谓 叠加（ 式：该模式使用硬件叠加进行视频显示，叠加视频的显示不经过 加视频的硬件将 输出信号与其自身的输出信号合并，形成组合信号显示在计算机的监视器上。只有部分视频捕获卡才具有视频叠加能力。 而 预览（ 式 ，则是指该模式使用 源，视频帧先从捕获硬件传到系统内存，接着采用 数在捕获窗中显示。在物理上，这种模式需要通过 在监视器上显示。 ） （ 3）动态地控制数据流，如动态地连接或断开采集设备；在采集过程中切换采集状态；通过 显示控制视频源、视频格式、视频压缩的对话框 来设置视频采集的相关参数 ； （ 4）实现对视频数据的处理，如把采集到视频数据写到内存或文件中去（ 将图像和相关的调色板拷贝到剪贴板 ； 将视频流和音频流 采集 到一个 件中 ， 将 采集 的一个单帧图像保存为 式的文件 ） ； 体实现 在实现视频流采集的过程中，我们需要了解 我们提供的、与视频采集有关的数据结构、函数，并以此确定那些需由我们自己定义的变量及相关变量类型。 杭州师范学院本科毕业论文 人脸识别技术 （ 1） 是定义采集设备性能的数据结构，其包含的信息，如有无视频叠加能力、有无控制视频源、视频格式的对话框等。 （ 2） 定义采集窗口当前状态的数据结构，其包含的信息，如所采集的图像的宽度和高度能信息。 （ 3） 该数据结构所包含的参数是用来控制 视频流的采集过程的，如设置鼠标对采集开始、终止的控制、设置采集时间的限制等。 在 程时，由这三个数据结构所定义的变量，在程序中都有相对应的函数来设置和获得这些变量的每个数据成员的具体域值，而且关于这三个数据结具体的定义域，我们可以参看 外， 为定义视频数据块头信息的数据结构，是我们采集视频流的重要信息来源，它的具体定义如下： （指向被锁定的数据缓冲的指 针） /of 据缓冲的大小） /际使用的字节数） /of 频流开始的时间，以毫秒为单位） /s 户使用的作用域） / /设备保留的作用域） ; 我们用程序来获取采集到的视频流信息时，往往需要通过访问 个数据结构的向数据缓存的指针）和 据缓存的大小）数据成员来实现。就我们在调试程序过程中对程序的理解，由 个数据结构定义的变量，在程序中没有函数显式地设置和获取这个变量，但一旦程序采集到视频流，我们就可以通过访问由义的变量的 向数据缓存的指针）和 据缓存的大小）数据成员来获得视频流中具体的图像数据信息。 如下罗列的都是在采集视频流的过程中需要用到的函数，包括 我们提供的函数和笔者自己定义的回调函数（所谓回调函数，就 是指由用户自己定义但是却不能由用户自己调用的函数，程序通过回调函数的设置函数，让系统适时地自动调用用户定义的这些回调函数）。 （ 1）采集窗口的创建函数 杭州师范学院本科毕业论文 人脸识别技术 2）三个回调函数及与之对应的回调函数的设置函数 （ 3）连接及断开采集窗口和采集设备的函数 4）获取采集设备硬件性能的函数 5）获取及设置采集参数的函数 6）开始及终止采集的函数 7）设置视频格式的函数 8）采集前的视频预览函数 上所列的函数除了三个回调函数的定义以外，其余函数的定义和功能说明都可以在 找到。在此，笔者给出三个回调函数的具体实现： （ 1） 出错回调函数 / 识：应用程序主窗口的句柄） / 识：出现的错误代码的编号） / 识：出现的错误代码的具体代码串） if(0) /. ; 杭州师范学院本科毕业论文 人脸识别技术 （ 2）状态回调函数 （标识：应用程序主窗口的句柄） / 识：当前状态下的状态编码） / 识：当前状态下的状态字符串） ; if( | ( （ 3） 视频回调函数 /得到视频帧的实际字节数 ()- ()-()- ()-)- 其中 调函数最为重要。系统采集一帧图像后调用该函数。 在我们采集到视频流，一般可以通过两种方法来获得视频采集到的图像信息，第一、就是将这些图像信息保存到文件中，然后以访问文件的方式来获得数据；第二、则是在内存中杭州师范学院本科毕业论文 人脸识别技术 开辟一块缓存区来存放要处理的数据，对于计算机性能较高而实时性要求较高的处理，通常可以使用后一种方法。在本文使用的也是后一种方法，如果实际需要，还可以使用 供的 数把得到的单帧图像信息以文件的形式保存到磁 盘中。 为采用后一种方法处理数据，现定义如下数据结构： 600000; /文件信息头结构， 于存放单帧图像的信息头数据 /于存放被采集的单帧图像的文件信息头（ 大小 该数据结构是用来描述存放在内存缓存区中的图像信息的。此外，我们还定义了与采集窗口相关的变量，详细情况如下描述： /于存放单帧图像信息的数据结构； /供 文档界面重叠或弹出式框架窗口，以及窗口管理的成员； /标 识采集窗口的句柄； /of 定义采集设备性能的数据结构） 在整个 件开发包中， 块是用来在视频终端（如显式器，打印机）上回放视频数据的。我们要回放视频数据，首先就必须了解视频数据的存放格式，才 能确定使用块中的哪些函数来实现视频回放。 本文是采用 直接采集视频流的，因此得到的是位图文件的数据格式。在位图文件有两种格式，一种是“设备相关”位图（ 另一种是“设备无关”位图（ 因为， 图没有保存位图的调色板，因此要使用 图必须在同类设备中显示，且此设备在位平面或彩色上与原设备有同样的彩色安排，否则色彩就可能完全失真，所以论文选择 图。 图由三部分构成： （ 1） 件信息头）结构定义为 / ； /位图的宽度 ,单位是像素； 杭州师范学院本科毕业论文 人脸识别技术 /位图的高度 ,单位是像素； /位图显示设备位数，必须是 1； /位图颜色位数，定义了位图每像素的位数； /压缩标志， 型为非压缩， 行程编码压缩； /图像字节数，它可由文件头中的其他域计算出，需注意的是每排像素必须在 32 位或其倍数上结束，如果一排像素不到 32 位边界，则用“ 0”填充其余位； /图像 x 方向分辨率； /图像 y 方向分辨率； /图像颜色数，指图像用到的颜色
- 温馨提示:
1: 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
人人文库网所有资源均是用户自行上传分享，仅供网友学习交流，未经上传用户书面授权，请勿作他用。
川公网安备: 51019002004831号