反人脸识别的思路和实现
一、基本知识和背景
人脸识别是非常经典的机器识别运用，目前已经在许多地方得到了使用。相关的算法原理和实现发展的都很发达，Opencv中就有不错的实现。这是现状。
但是，也正因为此，和人相关的隐私变得令人关注。应用sigvc上面的一个概念叫做“反人脸识别”http://www.sigvc.org/bbs/forum.php?mod=viewthread&tid=3348&highlight=%B7%B4%C8%CB%C1%B3，就是关注用户隐私的一种技术实现。从技术实现上来说，主要分为“人脸识别”和“脸部模糊”两个部分。两个部分的实现难度都不大，关键是“处理输入图片，保护用户隐私”的思路很关键。这里是我的相关研究。
二、实现步骤
一）人脸识别
此类人脸识别的图像一般都是全局的图像，比如
![]()
而不是这样以单幅人脸为主要内容的图像
![]()
所以在算法的选择上，我还是优先选择了haar的方法，而没有采用肤色模型。我认为对于近景的，需要进行精细地处理的时候，肤色更适合一些。
那么进行识别：
![]()
对于这种正向的图片，效果还是不错的。可能存在错误识别的区域，但是不影响主体。
void main()
{
//读入图片
Mat src = imread("c:/m.jpg",0);
//人脸识别
string fn_haar = "C:/haarcascade_frontalface_default.xml";
CascadeClassifier haar_cascade;
haar_cascade.load(fn_haar);
vector< Rect_<int> > faces;
haar_cascade.detectMultiScale(src, faces); //检测多个人脸的
//画出区域
for (int i=0;i<faces.size();i++)
{
Rect face_i = faces[i];
rectangle(src,face_i,Scalar(255));
}
imshow("src",src);
cv::waitKey();
getchar();
}
二）脸部模糊
脸部模糊的方法也是有许多的。俗话说画鬼容易画人难，这里想做出一个人脸比较困难，但是如果想把一个人脸弄成非人脸，就要简单许多。比较常见的是打马赛克，但是手头没有代码（如果哪位有的话欢迎补充），所以就直接采用模糊算法进行处理
![]()
这样处理以后的面部，基本无法看出原来的人是哪个了。需要注意的是GussianBlur的参数需要取得大一点，这样模糊的效果比较好。
封装成函数,需要注意的是这里直接对图像进行了修改
//人脸模糊
void blurFace(Mat src)
{
GaussianBlur(src,src,Size(19,19),19);
}
三）主要流程
反人脸识别脸部模糊的方法的主要流程就是识别出人脸，然后进行Guass模糊，然后再和原图合并起来。需要做出批量处理的方式并生成log的。
![]()
需要注意的一点是，最终结果的图片还是需要彩色的，但是在处理的过程中可能用的是灰度照片。
效果如下，应该是识别不出来了吧 ![]()
OK，这里实现了单张的效果，在实际项目中必然需要进行批量处理，并且处理输入输出，一并编写如下
//批量处理读取图片函数
vector
<pair
<
char
*,Mat
>> read_img(
const string
& dir)
{
CStatDir statdir;
pair
<
char
*,Mat
> pfi;
vector
<pair
<
char
*,Mat
>> Vp;
if (
!statdir.SetInitDir(dir.c_str()))
{
return Vp;
}
int cls_id
= dir[dir.length()
-
1]
-
'0';
vector
<
char
*
>file_vec
= statdir.BeginBrowseFilenames(
"*.jpg");
int i,s
= file_vec.size();
for (i
=
0;i
<s;i
++)
{
pfi.first
= file_vec[i];
pfi.second
= imread(file_vec[i],
0);
Vp.push_back(pfi);
}
file_vec
= statdir.BeginBrowseFilenames(
"*.bmp");
s
= file_vec.size();
for (i
=
0;i
<s;i
++)
{
pfi.first
= file_vec[i];
pfi.second
= imread(file_vec[i],
0);
Vp.push_back(pfi);
}
file_vec
= statdir.BeginBrowseFilenames(
"*.png");
s
= file_vec.size();
for (i
=
0;i
<s;i
++)
{
pfi.first
= file_vec[i];
pfi.second
= imread(file_vec[i],
0);
Vp.push_back(pfi);
}
return Vp;
}
处理当前目录下imgs文件夹下的所有文件，结果如下
![]()
三、反思
目前代码在部署的时候还可以继续改进，目前需要将haarcascade_frontalface_default.xml拷贝到c:/目录下，需要创建c:/imgs文件夹并且将需要变换的图像拷贝到其中，并且创建d:/imgs文件夹。这是不方便的，但是作为一个原型，我没有继续优化。
我认为比较关键的一点，就是根据你需要突出显示的对象，选择识别的人脸识别的算法。目的就是将人脸抹去，而将需要显示的区域显示出来。
感谢阅读！希望能够对你有所帮助。
目前方向：图像拼接融合、图像识别 联系方式：jsxyhelu@foxmail.com
