LBP算子基于局部纹理特征的人脸识别系统实现(2)
人脸识别一直以来都是生物识别领域的研究热点，在许多相关的学科领域都有较广泛的研究，例如计算机、数学、电子、自动化、可视化、虚拟现实、图像处理与模式识别等，同时也在金融、司法、军队、公安、边检、政府、航天、电力、工厂、教育及众多企事业单位等诸多领域有着重要的应用价值。随着人脸识别技术的进一步发展和人们普遍认同度的提升以及社会发展的需求，可以预见人脸识别将会应用在更多的领域，甚至成为人们生活所不可缺少的一部分。
1.2 人脸识别发展历史及现状
1.2.1 人脸识别发展历史
1.2.2 人脸识别现状
1.3 人脸识别的人脸数据库
目前，在人脸识别这一领域经常使用到的人脸数据库主要有[5]:
1.FERET人脸数据库：美国国防部的Counterdrug Technology Transfer Program(CTTP)发起了一个人脸识别技术(Face Recognition Technology 简称FERET)工程创建，包含1万多张人脸图像。这些人脸图像大多都是一些姿态、光照、表情、年龄的改变，在该领域内使用的相当频繁。
2. Yale人脸数据库：由耶鲁大学计算视觉与控制中心创建。在该人脸库中有15位志愿者，每名志愿者都有关于光照、表情和姿态变化的11张图片。
3. ORL人脸数据库： 由剑桥大学AT&T实验室创建。包含40人共400张包括了姿态，表情和面部饰物的变化面部图像。该人脸库在人脸识别研究的早期经常被人们采用，但由于变化模式较少，多数系统的识别率均可以达到90%以上，因此进一步利用的价值已经不大。
还有其他一些组织机构所构建的人脸数据库不做详细介绍：AR人脸数据库；MIT人脸数据库；PF01人脸数据库；PIE人脸数据库；BANCA人脸数据库；KFDB人脸数据库；MPI人脸数据库；XM2VTS人脸数据库等。
不同的人脸数据库有着不同的特点，一般在使用时要根据自己的需求选择相应的数据库。
1.4 本文的主要内容及组织结构
1.4.1本文的主要内容
1.本文首先对OpenCV库进行了介绍，然后是局部二值模式的提出与发展过程，同时简要介绍了LBP算子的优缺点。
2.本文实现了利用较为基础的LBP算子在结合OpenCV库和直方图比较后进行人脸识别的技术，并设计出一个较为简易的人脸识别系统。
1.4.2本文的组织结构
第一章简要介绍了人脸识别的研究背景及意义，然后是人脸识别的发展现状，最后是全文的研究工作及章节安排。
第二章简要介绍了OpenCV库和LBP算子的一些基础知识，并对LBP等价模式在人脸识别中的相关应用做了概述。
第三章简要介绍了本系统的需求分析以及概要设计，同时画出了系统功能的流程图等。
第四章简要介绍了本系统的详细设计，主要是一些自定的函数体和所调用的OpenCV库的一些函数。
第五章进行简单的系统演示，以及实验结果展示，并对其进行简要分析。
2 相关技术基础
2.1 OpenCV介绍
2.1.1 OpenCV简介
OpenCV的全称是：Open Source Computer Vision Library，于1999年由Intel建立，OpenCV是一个基于开源图像处理函数库发行的跨平台计算机视觉库[6]，可以运行在Linux、Windows和Mac OS操作系统上。
OpenCV自身包含了许多应用程序接口，在使用时虽然可以兼容一些其他的外部库。但是即便没有这些外部库，OpenCV库中也可以找到相应的解决方法。
OpenCV 为Intel® Integrated Performance Primitives (IPP) 提供了透明接口。这意着如果有为特定处理器优化的 IPP 库，OpenCV 将在运行时自动加载这些库。
OpenCV提供了非常丰富的视觉处理方面的算法，并且它很大一部分用过C语言编写，加上其开源的特性，在人们在使用OpenCV库时，不需要添作其他一些较为繁琐的前期工作，就可以直接使用OpenCV库开始个人的工作，所以很多人用它来做算法的移植。