1. 研究目的与意义（文献综述）

随着数字图像处理技术，计算机技术，人工智能等领域的快速发展，计算机视觉领域也越来越受到很多人士的关注。据统计，在人类获取的信息中，超过半数的信息是来自人类的视觉，这告诉我们视觉对人类获取信息是极为重要的。而计算机视觉也因此变得越受人关注。

对于人类来说，人脸是一个非常熟悉的概念，而绝大多数人也主要是根据人脸的不同来区别不同的对象，因为人脸的面部提供了大量的信息。通过人脸的信息处理，可以对人脸进行检测、识别、跟踪等，这为很多现实问题提供了智能化的解决方案。目前，一些较为成熟的技术已经运用到了很多的现实场景中。比如：智能监控、人机交互、门禁控制等

人脸跟踪是计算机视觉和模式识别领域研究的一个热点问题。

2. 研究的基本内容与方案

研究的基本内容是：在图像中进行人脸检测，研究adaboost人脸检测方法，利用大量的分类能力一般的简单分类器（basic classifier)通过一定的方法叠加（boost）起来，构成一个分类能力强的强分类器。能够有较好的检测效果，减小误检率和漏检率。在摄像头下，研究跟踪检测人脸算法，研究卡尔曼滤波器在人脸跟踪中的使用情况。研究和熟悉opencv的使用。

研究的目标：图像中的人脸通常是整个图像的研究重点和中心。当要识别一个人时，首先检索图像中人脸的位置，这个过程就是人脸检测的任务，然后跟着人脸，这是人脸跟踪的任务。

拟采用的技术如下：

3. 研究计划与安排

第1－4周：查阅相关文献资料，明确研究内容，了解研究所需的的环境和配置。确定设计方案，完成开题报告。

第5－8周：翻译英文资料，了解算法原理，学习opencv。

第9－13周：程序编写，进行优化，并测试效果。

4. 参考文献（12篇以上）

[1]龙伶敏．基于adaboost的人脸检测方法及眼睛定位算法研究[d]．成都：电子科技大学，2008.

[2]左登宇.基于adaboost算法的人脸检测研究[d].合肥：中国科学技术大学，2009．

[3]佘九华，王敬东，李鹏．基于camshift的人脸跟踪算法 [j]．计算机技术与发展，2008，18(9):12-18.