人脸检测研究及其实现论文+程序.docVIP

唐 山 学 院 毕 业 设 计 设计（论文）题目： 静止图像人脸检测技术研究及其实现 系 别：_________________________ 专 业：_________________________ 姓　 名：_________________________ 指 导 教 师：_________________________ 辅 导 教 师：_________________________ 2013年 6 月 8 日 静止图像人脸检测技术研究及其实现 摘 要 本次的目的主要是完成背景比较复杂的情况下静止图像的人脸检测。在查阅了大量资料的情况下，发现单独使用一种方法误检率比较高，而使用两种或两种以上方法则大大提高检测的效率。在对比了各种检测方法的优缺点后，本次论文使用AdaBoost算法对提取的Haar特征训练出分类器，并使用积分图的方法加快训练的速度，用训练好的级联强分类器对待检测图像进行初步然后根据HSV肤色模型中H分量对光线变化的影响非常小的特性，提取H分量建立一个人脸皮肤彩色模型，即人脸皮肤色相的统计表，将人脸的颜色区域估计出来，再利用这个人脸皮肤彩色模型对人脸做进一步筛选、过滤，得到最后的结果。大量实验结果表明，方法能够较为快速准确人脸检测。与单一的一种方法相比较，大大降低了误检率，在实际应用中有一定的参考价值。 目 录 第一章 绪论 1 1.1 人脸检测的背景及意义 1 1.2 人脸检测研究的现状 1 1.3 人脸检测研究的难点 2 1.4 人脸检测评价标准 2 1.5本次设计的工作 3 第二章 人脸检测方法 5 2.1 基于知识的方法 5 2.2 特征不变方法 5 2.3 模板匹配方法 6 2.4 基于外观的方法 6 第三章 Haar分类器 7 3.1 样本的选取 7 3.2 Haar-like 特征 8 3.2.1 几种常见的特征分类 8 3.2.2 Haar特征数量计算 10 3.3 积分图 11 3.4 Adaboost算法简介 12 3.5 Adaboost算法之训练 13 3.5.1 弱分类器 13 3.5.2 强分类器 15 3.5.3 Adaboost算法的具体描述 17 3.5.4 级联强分类器 18 3.6 Adaboost算法之检测 19 3.7 用Haar分类器对图像进行检测 21 第四章 HSV肤色模型 24 4.1 HSV肤色模型原理 24 4.1.1 HSV人脸皮肤模型的建立及其必要性 24 4.1.2 人脸皮肤模型的训练 25 4.2 人脸检测 26 4.3 实验结果 26 第五章 Haar分类器与HSV肤色模型结合检测 29 第六章 图形界面 30 第七章 总结 31 谢辞 32 参考文献 33 附录一 人脸检测程序 34 附录二 积分图程序 48 第一章 绪论 1.1 人脸检测的背景及意义 随着科技的发展，传统的身份鉴定方法，如身份证和信用卡，开始让人们感到不便。其携带不便，易丢失，甚至有时可能会忘记了必须的密码，以及密码被识破等等，这些问题到会给人带来困扰和麻烦。人们需要一种新的可靠的身份鉴别，一种不可能遗失而且具有其特性的身份证明，这就是人脸、指纹、虹膜、声音等等的生物特征。由于人脸特征是一种更直接、更方便的识别方式，近年来以人脸为特征的识别技术迅速地发展起来。 人脸检测问题最初来源于人脸识别，对人脸识别前首先当然是要对人脸进行定位，而且要准确，只有这样才能更好进行下一步，因此人脸检测显的越来越重要。与其他生物特征识别方法相比，人脸识别具有更加直接、方便、友好的特点，而且易于被人所接受，毕竟不会侵犯到人们的隐私，尤其在这个人们对自己隐私越来越重视的时代。而且，通过对人脸的表情、姿势等作分析，还可以得出更多其他有用信息，比如通过表情可以判断一个人的心情，性情。因此，人脸识别具有其他识别方式无法比拟的优势，发展潜力巨大，而且具有巨大的市场前景，是未来新技术发展的一个方向。现在，随着科学技术和电子商务的发展，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、计算机视觉、人机交互等方面都有着重要的应用价值。早期的人脸识别研究对背景条件、图像中人脸个数等有严格限制，当时的优秀算法非常少，而且没有强大的辅助工具，因此假设人脸容易获得或在手工交互下运用，而人脸检测问题并未得到重视。 现在的人脸识别技术是通过计算机根据预先设定好的程序自动的提取人脸的一些基本特征，然后根据这些特征判断是否为人脸。粗略来说，可以认为人脸识别包括三个步骤：人脸检测、人脸特征提取、人脸的识别。 其流程如下图所示： 输入图像 人脸图像 人脸特征