全文总字数：6141字

1. 研究目的与意义及国内外研究现状

opencv是一个bsd许可下发布的，因此它是免费提供给学术和商业用途。有c ，c，python和java接口，支持windows、linux、mac os、ios和android。opencv是设计的计算效率和实时应用的强烈关注。用优化的c / c ，图书馆可以利用多核处理。启用opencv，它可以利用底层的异构计算平台的硬件加速。世界各地采用opencv已超过4万7000人，估计用户下载超过900万号。使用范围从互动艺术，地雷检查，缝合地图在网络上或通过先进的机器人.

人脸检测（face detection）是指对任意衣服给定的图像，采用一定的算法和方法对其进行搜索已确认其中是否含有人脸，如果有就返回人脸的位置，大小和姿态，就是坐标。人脸检测问题最初来源于上个世纪六，七十年代的人脸识别（facerecognition）,随着计算机网络传输，监控及视频的分析在社会上的不断兴起，人脸识别成为最具有潜力的生物身份验证手段。如今人脸检测的应用背景已经超出了人脸识别的范畴，在基于内容的搜索，数字视频的处，视频检测等方面有着重要的应用价值。

国内外研究现状

国外的发展概况

2. 研究的基本内容

我们都知道，人脸识别技术是基于生物特征的识别方式，利用人类自身所拥有的、并且能够唯一标示其身份的生理特征或行为特征进行身份验证技术。也就是给定一场景的静止或视频图象，利用训算机里存储的人脸数据库，确定场景中的一个或多个人。

人脸识别过程需要完成以下几方面的工作：

人脸检测：从各种场景中检测出人脸的存在，并从场景中准确分离出人脸区域；

3. 实施方案、进度安排及预期效果

open cv优势十分明显:使用c及c 来编写，而且是开源的，处理实时数据的能力很强特别适合开发实时应用程序；图像和处理能力很完善，矩阵运算能力很强；具有底层和高层的应用开发包；具有通用的图像或者视频的载入保存和获取模块。

open cv 提供的功能：可以对图像数据进行分配、释放、复制、设置和转换； 提供一系列针对矩阵和特征向量的、以线性代数方法为内核灵魂的算法程序； 可以通过函数调用直接把从摄像头获取的图像数据转化为相应的图像或视频文件；对各种动态数据结构进行操作；具有基本的图像处理能力比如滤波、边缘检测、直方图等操作；对各种结构进行分析比如距离变换多边形逼近、直线拟合等等；提供特征法和隐马尔科夫模型法等基础的目标识别方法；提供了基本的gui功能来做用户界面方便使用者操作；甚至能够对图像重要部分进行勾勒和标注。人脸检测：有基于模版，基于统计模型，基于特征三个大类。许多方法都不能简单地归为以上提到三类方法中的某一类，而是两类甚至三类方法的融合。比较流行的有主成份分析法（pca)，自适应性提升算法（ada boost)等等。

具体方案

4. 参考文献

[1]肖明霞； 人脸检测关键算法分析[j]. 2008,3

[2]周彩霞；易江义； 人脸检测技术研究[j]. 2008，9

[3]张莹，李勇平，敖新宇.基于opencv的通用人脸检测模块设计[j].2011,1