摘要：本设计对近年来流行的人脸识别与检测技术的发展与现状做了深入的分析与研究，在 Dlib  的卷积神经网络（CNN）检测算子的基础上，进行了本设计的应用功能开发。本设计基于了 Python 语言，使用了 OpenCV 来做人脸的图像处理，使用了第三方库 Dlib 做人脸的检测。实现了已知人脸信息特征的录入，并且在图片、视频和摄像头画面中检测并识别所有的人脸，由此可实现人脸识别登陆等安全验证功能。通过输入人脸图片，检测输出人脸的特征信息，对人脸图片和视频流进行了二次开发编辑，实现了表情的粗略判断与动态贴图功能。本设计使用了流行且高效的技术方法，对图片、视频、摄像头摄入的人脸进行了检测，识别和二次编辑操作。

关键词：人脸识别、人脸贴图、人脸检测、Dlib

目录

摘要

Abstract

1.人脸识别综述-7

1.1人脸识别技术概述-7

1.1.1基本概念-7

1.1.2人脸识别的五个优势-7

1.2人脸识别的发展历程-8

1.2.1第一阶段-8

1.2.2第二阶段-8

1.2.3第三阶段-8

1.2.4人脸识别技术的现状-8

1.3人脸识别技术详解-8

1.3.1人脸识别的基本流程-8

1.3.2人脸图像的采集与预处理-9

1.3.3人脸检测-9

1.3.4人脸配准-9

1.3.5人脸属性识别(Face Attribute)-10

1.3.6人脸提特征(Face Feature Extraction)-10

1.3.7人脸比对验证-10

1.3.8人脸识别检索-10

1.3.9人脸识别的技术难点-10

1.4人脸识别技术的运用-11

1.4.11:1 模式主要用于身份验证-11

1.4.21:N 人脸识别模式主要是用于行业场景落地-11

1.4.3N:N 人脸识别模式主要用于政府机关-11

1.5人脸识别的行业前景及发展趋势-11

1.5.1行业前景与发展趋势-11

2.开发工具及相关技术-12

2.1Python 简介-12

2.1.1Python 概述-12

2.1.2Python 特点-12

2.1.3python 发展-12

2.1.4Python 应用-13

2.2  库-13

2.2.1Dlib-13

2.2.2OpenCV-14

2.2.3数据处理库-14

2.3开发工具-15

2.3.1Pycharm-15

2.3.2Anaconda-15

2.3.4  开发环境配置-16

3.工程实现-18

3.1系统功能-18

3.1.1系统功能流程图-18

3.1.2功能介绍-19

4.设计实现-20

4.1Dlib 检测-20

4.1.1检测与传出-20

4.2OpenCV 库函数-21

4.2.1添加文字线条-21

4.2.2图片裁切、旋转、贴合-22

4.3功能实现-24

4.3.1人脸录入-24

4.3.2人脸识别-25

4.3.3表情识别-26

4.3.4动态贴图-28

5.  测试-30

5.1系统测试的环境与方案-30

5.1.1系统测试的环境-30

5.1.2测试的方法-33

5.2系统测试的结果-33

5.2.1人脸识别率-33

5.2.2表情识别-35

5.2.3贴图准确度-35

6.总结与展望-37

6.1开发总结-37

6.1.1个人工作说明-37

6.1.2开发体会-37

6.2系统展望-38

致谢-39

参考文献-40