1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着信息时代的快速发展，计算机与互联网在人们生活中应用越来越广泛，但是人们的信息安全问题也日益突出，受到了人们广泛地关注和重视。在人们使用网络时，新时代的信息技术带来了便利、快捷，但也带来了信息不安全性，容易泄露个人隐私。传统的身份识别技术，例如：钥匙、身份证、密码等，已经无法保障人们的信息安全。所以一种新型身份识别技术——生物特征识别技术，逐渐步入人们的生活并迅速得到发展和应用，新型技术利用了人类的生物特征识别技术，指纹、掌纹、瞳孔、人脸等，每个人的这些生物特征都是独一无二的，有着准确率高、保密性好的特点，能够更好的保障人们的信息安全。这种识别方式不要求人们随身携带钥匙、证件，很好的便利了人们的生活方式。

人脸识别在可用性上有着独特的技术优势。人脸识别技术可隐蔽操作，适用于安全监控；非接触式采集，没有侵犯性，容易被接受；具有方便、快捷、强大的事后追踪能力；图像采集设备成本低；更符合人们的识别习惯，可交互性强，因而人脸识别技术是未来研究及应用的重点技术。

2. 研究的基本内容与方案

本文以opencv软件中的图像处理函数为基础，利用adaboost算法，串联强分类器对图像进行人脸检测，再利用肤色检测与五官几何定位结合的方法对检测出的人脸五官进行分割，设计了一套基于opencv的人脸五官分割算法。

opencv是intel公司开发的一个开源的计算机视觉库，包含了500多个函数，可采用c/c 语言编写，还提供python、ruby、matlab以及其他的语言接口，广泛地应用于计算机视觉领域作为二次开发的工具。本文利用c语言和opencv的图像处理软件编写adaboost人脸检测算法，选取扩展的haar特征，实现人脸检测功能。扩展的haar特征如图1所示：

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] garybradski, adriankaehler. 学习opencv:中文版[m]. 清华大学出版社, 2009.

[2] robert laganière, 张静. opencv 2计算机视觉编程手册[m]. 科学出版社, 2013.

[3] 曾建凡. 多角度人脸检测与识别方法研究[j]. 电子设计工程, 2017, 25(11):41-44.