论文总字数：18927字

摘 要

人脸检测相当于计算机的视觉，它其中包括对数字图像的处理，对智能信息的处理，对模式的识别，人工智能等多重涉及计算机应用的领域，对这些领域里来说，也是相当活跃的。人脸检测的应用不仅在脸部识别系统中，在面部表情识别，基于内容的检索系统，视频会议和三维模型图像方面具有重要的应用。因此，理论上的人脸检测的研究，并且使脸的检测具有更好的功率，是一个非常重要且意义重大的课题。

本文通过基于Haar小波的AdaBoost算法训练分类器对人脸进行检测。此外，开发出的高检出率，强实时人脸检测系统主要是利用OpenCV中所提供的资源，。本文首先介绍了系统的开发平台和关键技术，然后对人脸检测算法进行分类，并概述几种经典的方法，下面的预处理，训练过程分类器——完成人脸检测系统的实施——最终以测试系统来分析出测试结果。结果表明，AdaBoost算法是一个良好的性能的人脸检测算法，它具有速度快的特点，以满足实时性的要求。

关键词: 人脸检测；Haar小波；AdaBoost算法；OpenCV

Haar wavelet moment and adaboost based face detection algorithm

Abstract

Face detection is a very active research topic in the field of computer vision, which relates to the technical field of computer digital image processing, intelligent information processing, pattern recognition, artificial intelligence and computer technology etc.. The application of face detection can not only in the face recognition system, in terms of content retrieval system, face recognition, 3D face model and video conference based on all have important application prospect. Therefore, the theoretical research of face detection and face detection system has better robustness and is one of the important significance of the research topic.

The AdaBoost algorithm for training Haar classifier of face detection based on wavelet transform. In addition, also make full use of OpenCV resources, developed a face detection system with high detection rate and real-time. This paper first introduces the development platform and the key technologies of the system, and then classifies the face detection algorithm, and summarizes several classical methods; then through pretreatment, classifier training process, completed the design and implementation of face detection system, the system for testing, analysis of test results. The results show that, the AdaBoost face detection algorithm is a good performance, it has the characteristics of fast speed, which can meet the real-time requirements.

Keywords: Face Detection； Haar Wavelet,；AdaBoost Algorithm,；OpenCV

目 录

摘要 I

第一章 绪论 1

1.1 研究背景和意义 2

1.2 主要研究内容 3

1.3 本论文的组织结构 3

第二章 开发平台与关键技术 4

2.1 Visual Studio集成开发环境 4

2.2 OpenCV简介 4

2.3.3 AdaBoost算法描述 5

2.4 Haar小波 7

2.5 本章小结 8

第三章 人脸检测的方法 9

3.1 人脸检测方法分类 9

3.1.1 Knowledge-based 9

3.1.2 Feature-based 9

3.1.3 Template matching 9

3.1.4 Appearance-based 10

3.2 经典方法概述 10

3.2.1 人工神经网络 10

3.2.2 概率统计模型 10

3.2.3支持向量机 11

3.2.4 压缩时间轴 11

3.2.5基于动态时间规划的人脸识别方法 11

3.3 本章小结 11

第四章 人脸检测系统的设计与实现 12

4.1 人脸图像预处理 12

4.1.1 图像的平滑处理 12

4.1.2 均衡化直方图 13

4.1.3 把图像转换成灰度图像 13

4.1.4 实现图像预处理——利用OpenCV 14

4.2 训练分类器 14

4.3 人脸检测的实现 15

4.3.1 本系统方法 15

4.3.2 从静态图像中检测人脸 16

4.3.3 从avi视频中检测人脸 16

4.3.4 从摄像头中检测人脸 17

4.4 检测结果及分析 18

4.4.1 检测结果 18

4.4.2 结果分析 19

4.5 本章小结 20

第五章 总结与展望 21

参考文献 23

第一章 绪论

研究背景和意义

人类对电脑需求增长和科技的发展，因此人们大大关注互联网技术。通过计算机其中的一个输入与输出设备，可以有效地连接上计算机技术与人之间的对话，这就是人机交互。虽然人们在人机交互的需求继续增长，与人类沟通习惯的互动技术已成为一个热门的研究在国内外，包括承认这些研究，识别人眼，面部识别，面部检测，和语音识别。一般来说，人机交互技术的研究是由以计算机为中心转变为以人为本，这种变化不仅能更好地满足人们的需求，并有效提高人机交互的效率[1]。

人脸检测相当于计算机的视觉，它其中包括对数字图像的处理，对智能信息的处理，对模式的识别，人工智能等多重涉及计算机应用的领域，对这些领域里来说，也是相当活跃的。以限定一个封闭的系统人脸识别的概念是由多于一个的面部图像识别技术或系统组件所定义;总体而言，识别脸部识别系统来构建一系列相关的技术组成部分，它包括以下四个模块部分：1.图像的预处理，2.特征提取和选择确认的脸，3.人脸检测和人脸定位，4.脸部识别技术。完成识别过程是：组装电脑的静止图像或视频序列被第一处理确定是否存在一个脸部图像或视频信息，如果有的话，首先的脸部检测所有的位置;然后给定的区域面的预处理，例如，图像增强技术，通过预处理可以减少光，噪声和在面部识别的其他因素的影响;最后一步是要设计一些分类以分类的特点，以到达确认的身份或其他目的的标识。

剩余内容已隐藏，请支付后下载全文，论文总字数：18927字