摘 要

近年来，随着通信网络与移动科技的发展，隐私安全问题得到广泛的关注。因而人脸识别技术成为最热门的研究学科之一，人脸识别技术主要包括：人脸检测、人脸特征点定位、人脸识别、人脸跟踪等。人脸五官分割是基于人脸识别技术的一项具体应用，也为人脸识别与人脸跟踪等技术提供了理论基础，人脸五官分割具有深远的研究意义与背景。

OpenCV是一个C/C 语言编写的开源的计算机视觉库，提供了多种语言的接口，包含了500多个函数，应用于计算机视觉的大部分领域，例如图像处理、图像对齐等方向。

本文详细的介绍了人脸检测与人脸五官分割的方法，利用OpenCV实现了两种五官分割算法。算法一是基于Haar-like特征的AdaBoost算法，实现了五官中眼睛和鼻子的分割，偏差量为0.189；算法二是基于HOG特征的ERT算法，实现了五官中眼睛、鼻子、眉毛与嘴巴的分割，偏差量为0.084。两种算法的平均运行时间达到毫秒级，算法二的精确度更高，因而本文选择基于HOG特征的ERT算法作为人脸五官分割算法。

关键词：OpenCV；五官分割；级联回归树；AdaBoost

Abstract

In recent years, with the development of communication networks and mobile technologies, privacy issues have received widespread attention. Therefore, face recognition technology has become one of the most popular research subject. Face recognition technology mainly includes: face detection, face landmarks detection, face recognition, face tracking and so on. Face five-sense segmentation is a specific application based on face recognition technology. It also provides a theoretical basis for face recognition and face tracking. The face five-sense segmentation has far-reaching research significance and background.

OpenCV is an open source computer vision library written in C/C . It provides a multi-language interface and contains more than 500 functions for most areas of computer vision, such as image processing and image alignment.

This paper introduces the method of face detection and face five-sense segmentation in detail, and implements two kinds of face five-sense segmentation algorithm by using OpenCV. Algorithm 1 is based on the Haar-like feature of the AdaBoost algorithm, which realizes the segmentation of the eyes and nose in the facial features with a deviation of 0.189. The second algorithm is the ERT algorithm based on the HOG feature, which realizes the segmentation of the eyes, nose, eyebrows and mouth in the facial features. The deviation amount is 0.084. The average running time of the two algorithms reaches milliseconds, and the accuracy of algorithm 2 is higher. Therefore, the ERT algorithm based on HOG features is selected as the face five-sense segmentation algorithm.

Keywords: OpenCV; Face five-sense segmentation;ERT; AdaBoost

目 录

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 2

1.3 论文的主要工作 3

第2章 人脸检测方法 5

2.1 引言 5

2.2 AdaBoost人脸检测 5

2.1.1 Haar-like特征 5

2.1.2 积分图 6

2.1.3 AdaBoost算法 7

2.3 基于HOG特征的人脸检测 8

2.3.1 HOG特征 8

2.3.1 SVM分类器 12

第3章 人脸特征点定位方法 16

3.1 引言 16

3.2 CART决策树 16

3.2.1 回归树的生成 16

3.2.2 回归树的剪枝 17

3.2 梯度提升树 17

3.4 级联回归树 19

第4章 人脸五官分割的实现 21

4.1 引言 21

4.2 基于Haar-like特征的AdaBoost分类器 21

4.2.1 图像预处理 21

4.2.2 Haar分类器的实现 22

4.3 基于HOG特征的ERT方法实现 25

4.4 算法对比 28

第5章 总结与展望 30

5.1 总结 30

5.2 展望 30

参考文献 32

致 谢 33

第1章 绪论

1.1 研究背景与意义

近年来，随着信息技术的不断发展，新时代的信息技术虽然给人们带来了更便利的生活，但是也引起了许多个人隐私和信息安全问题，钥匙、身份证、账号/密码等传统身份识别技术已经不能保障人们的信息安全，因而人们需要一种有效且准确的保护隐私的新型身份识别技术^[1]。

传统身份识别技术具有易丢失、易伪造、易窃取的特点，因而传统身份识别技术在安全性上有待提高。新型的身份识别技术中最主要的是生物识别技术，生物特征识别（Biometric Recognition或Biometric Authentication）利用了人类的生物特征，例如指纹、DNA、声纹、人脸等。这些生物特征有着准确率高、保密性好的特点，能够更好的保障人们的信息安全。目前，主流的生物特征如图1.1。生物识别技术已经逐渐步入人们的生活并迅速得到发展和应用。