《基于计算机视觉的人脸检测系统的设计与实现》-毕业论文（设计）.doc

摘 要 人脸检测作为物体检测问题的一个特例，长期以来一直倍受关注。无论是从实际应用还是从理论研究的角度来看，人脸检测都是一个颇具吸引力的课题。并且人脸检测技术不仅是人脸识别、表情识别、人脸跟踪等技术的重要前提条件，同时在模式识别、人机交互、智能监控、视频检索等领域也引起了广泛的重视。 本论文简单介绍了人脸识别技术研究及应用的发展现状。在第二章中介绍了包括人脸检测研究的三类检测方法；在第三章简单介绍了四种经典的检测方法，包括神经网络、隐马尔可夫模型方法、示例学习、支持向量机。 在第四章重点分析了AdaBoost算法中集成机器学习的一个重要机制：多个弱分类器集成的方法，机器学习中的弱学习到强学习，集成的关键是投票，最简单的方法是“绝对多数”的方法。在第五章详细分析了AdaBoost算法检测速度快、可以检测任意尺度的图像的特点。 在这个理论基础上，本文中人脸算法的研究基于OpenCV开源代码，在OpenCV开源代码中设计了一些基础的数据类型和一些帮助数据类型。由于OpenCV的源代码完全开放，本文的研究中利用这套代码在PC上以Visual C++集成开发环境做平台搭建了一个基于OpenCV的人脸检测系统，进行了人脸检测仿真，并对其结果进行分析。 关键词：人脸检测；AdaBoost；OpenCV Abstract Face detection as a special case of object detection problem, has long been much attention either from the actual application or from the fundamental research perspective, face detection is an attractive topic.Human face detection is not only a necessary precondition of face recognition，expression recognition technology, face tracking，but also，it plays ail important role in applications like in the intelligent human-computer interaction，video conferencing，intelligent surveillance，video retrieval and so on．Therefore，face detection technology attracted widespread attention in pattern recognition，computer vision，human-computer interaction and other fields． This paper describes the national and international recognition technology applications research and development and analysis the difficult situation.In chapter 2 introduces three kinds of research include face detection detection methods. In the third chapter introduces four classic detection methods, including neural network hidden markov model of support vector machine learning method examples In chapter 4 on the analysis of the AdaBoost algorithms integration of machinery to study of an important mechanism : more integrated approach in the classification of the study of study at the learning and integration is the key to the vote, the simplest method is the absolute majority . In chapter f