电气与电子工程学院通信工程基于计算机视觉的人脸检测系统的设计与实现毕业论文Word格式.docx
《电气与电子工程学院通信工程基于计算机视觉的人脸检测系统的设计与实现毕业论文Word格式.docx》由会员分享,可在线阅读,更多相关《电气与电子工程学院通信工程基于计算机视觉的人脸检测系统的设计与实现毕业论文Word格式.docx(27页珍藏版)》请在冰豆网上搜索。
![电气与电子工程学院通信工程基于计算机视觉的人脸检测系统的设计与实现毕业论文Word格式.docx](https://file1.bdocx.com/fileroot1/2023-1/27/d5c5cebd-2a39-44de-b87e-32f962ac3037/d5c5cebd-2a39-44de-b87e-32f962ac30371.gif)
求
1、设计内容及要求
人脸检测与识别的应用范围涵盖了公安刑侦、司法鉴定、访问控制、金融支付、医学应用、视觉监控和视频会议等多个领域,对其算法的实时性要求也非常高。
目前已经实现又应用到实际领域中的实时自动人脸检系统并不多,性能也有待于改善。
本论文的要求是开发检测率较高、功能齐全的动态图像人脸检测软件。
二、撰写论文要求
(1)按照要求的格式书写论文;
(2)论文须达万字以上(图按比例折算字数);
论文包括摘要、关键字、正文及参考文献;
(3)论文一律用A4纸张打印并装订。
三、毕业设计进程
2009年12月,布置毕业论文,选定毕业论文题目;
2010年1月16日——2月28日,搜集资料并进行学习;
2010年3月01日——3月14日,撰写、修改并提交开题报告;
2010年3月15日——3月31日,继续查阅学习资料并对毕业论文进行初步构思;
2010年4月01日——5月15日,撰写毕业论文初稿;
2010年5月16日——5月29日,修改毕业论文;
2010年5月30日——5月31日,定稿、装订、上交;
2010年6月4日,毕业答辩。
指导教师签名:
年月日
基层教学单位审核
审核
此表由指导教师填写学院审核
毕业设计(论文)学生开题报告
课题名称
课题来源
A
课题类型
Y
07通信2班
本课题的研究现状:
人脸检测经历了较长的发展过程,期间涌现出了很多的检测方法:
1基于知识的人脸检测技术
基于知识的人脸检测技术是将人脸面额器官之间的关系编码准则化的人脸检测技术,该技术是自顶向下,依据人脸面部器官的对称性、灰度差异等先验知识,制定出一系列的准则。
2基于特征的人脸检测技术
基于特征的方法不仅可以从已有的面部特征而且可以从他们的几何关系进行人脸检测。
它与基于知识的方法相反。
它是先利用各种手段寻找人脸的不变特征,然后综合找到的不变特征来确定待检测区域是否是人脸。
面部不变特征,如:
眉毛、眼睛、鼻子、嘴和发际。
一般利用边缘检测器提取,根据提取的特征,建立统计模型来描述特征之间的关系,并确定存在的人脸。
3基于模板匹配的人脸检测技术
基于模板的方法可以分为两类:
预定模板和变形模板。
预定模板方法首先制定出标准的模板,然后计算检测区域和模板的相关值,当相关值符合制定的准则就判断检测区域为人脸。
变形模板首先制定出模板参数,然后根据检测区域的数据对参数进行修改直至收敛,以达到检测出人脸面部器官位置的目的。
研究目的:
人脸检测与识别的应用范围涵盖了公安刑侦、司法鉴定、访问控制、金融支付、医学应用、视觉监控和视频会议等多个领域,对其算法的实时性要求也非常高。
研究意义:
人脸检测是自动人脸识别系统中的一个关键环节。
随着电子商务等应用的发展,人脸识别成为最有潜力的生物身份验证手段,这种应用背景要求自动人脸识别系统能够对一般图像具有一定的识别能力,由此所面临的一系列问题使得人脸检测开始作为一个独立的课题受到研究者的重视。
课题类型:
(1)A—工程实践型;
B—理论研究型;
C—科研装置研制型;
D—计算机软件型;
E—综合应用型
(2)X—真实课题;
Y—模拟课题;
(1)、
(2)均要填,如AY、BX等。
本课题的研究内容:
人脸检测的研究具有重要的学术价值,人脸是一类具有相当复杂的细节变化的自然结构目标,对此类目标的挑战性在于:
人脸由于外貌、表情、肤色等不同,具有模式的可变性;
一般意义下的人脸上,可能存在眼镜、胡须等附属物;
作为三维物体的人脸影像不可避免地受由光照产生的阴影的影响。
因此,如果能够找到解决这些问题的方法,成功地构造出人脸检测系统,将为解决其他类似的复杂模式的检测问题提供重要的启示。
本文对人脸检测的基本问题、研究思路和方法、经典的算法和技术全方位地做了深入系统的介绍。
本课题研究的实施方案、进度安排:
实施方案:
(1)人脸检测的研究经历了较长的发展阶段,了解人脸检测的基本思路。
(2)研究传统经典的人脸检测技术,开发检测率高,坚持速度快的算法
(3)了解人脸检测算法(Adaboost)的原理,
(4)运用cmake、opencv、VC开发人脸检测软件。
进度安排:
已查阅的主要参考文献:
【1】ViolaP,JonesM.Rapidobjectdetectionusingaboostedcascadeofsimplefeature[c].In:
ProceedingsofIEEEConferenceonComputerVisionandPatternRecognition,Kauai,Hawaii,USA,2001,1:
I-51l-518.
【2】P.Viola,M.Jones.Rapidobjectdetectionusingaboostedcascadeofsimplefeatures.IEEEConfonComputerVisionandPatternRecognition,Kauai,Hawaii,USA:
IEEEComputerSociety,2001.
【3】ViolaP.,JonesM.J.、RobustReal-TimeFaceDetection、InternationalJournalofComputerVision【4】R.Lienhart.J.Maydt.AnExtendedSetofHaar-1ikeFeaturesforRapidObjectDetection[C].IEEE
【6】HuangFJ,ChenT.Trackingofmultiplefacesfor—computerinterfacesandvirtualenvironments[C].IEEEIntl.Conf.onMultimediaandExpo.NewYork,July2000.
【7】ViolaP.,JonesM.J.、RobustReal-timeObjectDetection、CambridgeResearchLaboratory,TechnicalReportSeries、CRL200101
【8】李艳玲;
张永梅;
基于肤色信息的快速人脸检测[J].2006,5
【9】肖明霞;
人脸检测关键算法分析[J].2008,3
【10】周彩霞;
易江义;
人脸检测技术研究[J].2008,9
【11】王伟;
张佑生;
方芳;
人脸检测与识别技术综述[J].2006,5
【12】杨涛.人脸检测与跟踪[D],西北工业大学,2004年3月.
【13】周德华,毛敏峰,徐浩.一种多人脸跟踪算法的研究与实现[J],电视技术,2005,275(5):
88~90.
【14】李刚,高政、人脸自动识别方法综述、计算机应用研究、2003,Vol8:
4-9
【15】高建坡,王煜坚,杨浩等.一种基于KL变换的椭圆模型肤色检测方法[J].电子与信息学报.2007,V01.29,No.7.
【16】邢果,戚文芽.彩色空间的肤色分割及其在人脸检测中的应用[J].视频技术应用与工程.2006.
【17】高建坡.视频序列中的人脸检测与跟踪算法研究.东南大学博士学位论文.2007,3.
指导教师意见
毕业设计(论文)学生申请答辩表
课题名称
指导教师(职称)
熊炜(讲师)
申请理由
本人已经修完本科期间所有课程,完成了学位论文,特申请答辩!
学生所在学院
学号
学生签名:
宋健日期:
2011年6月4日
毕业设计(论文)指导教师评审表
序号
评分项目(理工科、管理类)
评分项目(文科)
满分
评分
1
工作量
外文翻译
15
2
文献阅读与外文翻译
文献阅读与文献综述
10
3
技术水平与实际能力
创新能力与学术水平
25
4
研究成果基础理论与专业知识
论证能力
5
文字表达
6
学习态度与规范要求
是否同意参加答辩:
总分
评
语
指导教师签名:
另附《毕业设计(论文)指导记录册》年月日
毕业设计(论文)评阅人评审表
设计(论文)题目
评阅人
评阅人职称
评阅人签名:
年月日
毕业设计(论文)答辩表
评审项目
指标
报告内容
思路清新;
语言表达准确,概念清楚,论点正确;
实验方法科学,分析归纳合理;
结论有应用价值。
40
报告过程
准备工作充分,时间符合要求。
创新
对前人工作有改进或突破,或有独特见解。
答辩
回答问题有理论依据,基本概念清楚。
主要问题回答准确,深入。
答辩组
评语
答辩组组长(签字):
年月日
答辩
委员会意见
答辩委员会负责人(签字):
毕业设计(论文)成绩评定总表
学生姓名:
宋健专业班级:
07通信2班
毕业设计(论文)题目:
成绩类别
成绩评定
Ⅰ指导教师评定成绩
Ⅱ评阅人评定成绩
Ⅲ答辩组评定成绩
总评成绩
Ⅰ×
40%+Ⅱ×
20%+Ⅲ×
40%
评定等级
(80--89)”、“中(70--79)”、“及格(60--69)”、“不及格(60以下)”评定等级。
其中,
指导教师评定成绩占40%,评阅人评定成绩占20%,答辩组评定成绩占40%。
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VisualC++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
Facedetectionasaspecialcaseofobjectdetectionproblem,muchattentioneitherfromtheactualapplicationorfromthefundamentalresearchperspective,facedetectionisanattractivetopic.Humanfacedetectionisnotonlyanecessarypreconditionoffacerecognition,expressionrecognitiontechnology,facetracking,butalso,itplaysailimportantroleinapplicationslikeintheintelligent-computerinteraction,videoconferencing,intelligentsurveillance,videoretrievalandsoon.Therefore,facedetectiontechnologyattractedwidespreadattentioninpatternrecognition,computervision,-computerinteractionandotherfields.
Thispaperdescribesthenationalandinternationalrecognitiontechnologyapplicationsresearchanddevelopmentandanalysisthedifficultsituation.Inchapter2introducesthreekindsofresearchincludefacedetectiondetectionmethods.Inthethirdchapterintroducesfourclassicdetectionmethods,includingneuralnetworkmarkovmodelofsupportvectormachinelearningmethodexamples
Inchapter4ontheanalysisoftheAdaBoostalgorithmsintegrationofmachinerytostudyofanimportantmechanism:
moreintegratedapproachintheclassificationofthestudyofstudyatthelearningandintegrationisthekeytothevote,thesimplestmethodistheabsolutemajority.InchapterfivedetailedanalysisAdaBoostalgorithmtestspeed,youcandetectanyscaletheimagequality.
Thispaper’sresearchisbasedontheOpenCVsourcecode,inwhichsomebasicdatatypeandfacedetectionsystemintheVisualC++environment.
Keywords:
facedetection;
AdaBoost;
openCV
第1章绪论1
1.1课题背景1
1.2人脸检测的发展情况2
第二章人脸检测的三类方法3
2.1基于知识的人脸检测技术3
2.2基于特征的人脸检测技术4
2.3基于模板匹配的人脸检测技术5
第3章人脸检测的经典方法7
3.1神经网络7
3.2隐马尔可夫模型方法7
3.3示例学习8
3.4支持向量机9
第4章Adaboost算法10
4.1Adaboost概述10
4.1.1Adaboost算法简介10
4.1.2Adaboost人脸检测算法11
4.2弱学习与强学习12
4.3PAC基本模型14
4.3.1概述14
4.3.3PAC模型的不足15
第5章矩形特征与积分图16
5.1引言16
5.2矩形特征16
5.2.1概述16
5.2.2特征模板17
5.3积分图18
5.3.1积分图的概念18
第6章实验部分21
6.1OpenCV概述21
6.1.1OpenCV简介21
6.1.2应用领域22
6.1.3OpenCV的起源22
6.1.4OpenCV的基本结构23
6.1.5OpenCV的特征24
6.2OpenCV在检测中的应用25
6.2.1编译OpenCV25
26
结论26
致谢27
参考文献28
第1章绪论
人脸检测是指对于任意一幅给定的图像,采用一定的策略进行搜索来确定其中是否含有人脸,如果是,就返回人脸的位置、大小和姿态。
人脸检测是自动人脸识别系统中的一个关键环节。
现在,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、视频检测等方面有着重要的应用价值。
1.1课题背景
人脸检测问题最初来源于人脸识别,任何一个自动的人脸识别系统首先必须对人脸进行准确的定位,因此实时而有效的人脸检测显得尤为重要。
跟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,因其非侵犯性更容易被用户所接受。
而且,通过对人脸的表情、姿势等作分析,还能获得其他识别系统难以获得的信息,因此人脸识别成为最有潜力的生物身份验证手段。
早期的人脸识别研究主要针对具有较强约束条件的人脸图像(如无背景的图像),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。
近年来,随着信号处理理论和计算机的出现及其发展,人们开始用摄像机获取环境图像并将其转换成数字信号,用计算机实现对视觉信息的处理,这就形成了计算机视觉。
计算机视觉是当前计算机科学中的一个非常活跃的领域,其基本假设是:
可以用计算的方式来模拟人类的视觉机制。
人脸的自动识别是一种重要的生物特征识别技术,与其它身份识别方法相比,人脸识别具有直接、方便、友好等特点,因而人脸自动识别问题的研究不仅具有重要的应用价值,而且具有重要的理论意义。
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。
1.2人脸检测的发展情况
人脸检测是一个复杂的极具挑战性的模式检测,其主要的难点有两方面:
一方面是由于人脸内在的变化所引起:
(1)人脸具有很复杂的细节变化,不同的外貌特征如脸形、肤色等,不同的表情如眼、嘴的开与闭等;
(2)其他物体对人脸的遮挡,如眼镜、头发和头部饰物以及其他外部物体等;
另外一方面由于外在条件变化所引起:
(3)成像角度的不同也能造成人脸的多姿态,如平面内旋转、深度旋转以及上下旋转,其中深度旋转影响较大;
(4)光照的影响,如图像中的亮度、对比度的变化和阴影等;
(5)图像的成像条件,如摄像设备的焦距、成像距离,图像获得的途径等等。
这些困难都为解决人脸问题造成了难度。
如果能找到一些相关的算法并使其能在应用过程中达到实时,将为成功构造出具有实际应用价值的人脸检测系统提供保证。
目前,国外对人脸检测问题的研究有很多,比较著名的有MIT,CMU等;
国内的清华大学、北京工业大学、中科院计算所和自动化所等都有人员从事人脸检测相关的研究。
而且,MPEG7标准组织已经成立了人脸识别草案小组,人脸检测算法也是一项征集的内容。
随着人脸检测研究的深入,国际上发表的有关论文数量也在大幅度增长,如IEEE的FG、ICIP\CVPR等重要国际会议上每年都有大量关于人脸检测的论文,占有关人脸研究论文的13之多。
由此可见世界范围的学者对人脸检测技术的重视。
第二章人脸检测的三类方法
人脸检测经历了较长的发展过程,期间涌现出了很多的检测方法:
本文把人脸检测法方法分为以下三种:
基于知识的方法、基于特征的方法、基于模板匹配的方法。
当然,有许多人脸检测的方法并不能简单地归于上述中的某一类,而是几类的组合。
也可以将人脸检测的方法简单地分为两类:
基于特征的和基于图像的。
基于特征的方法指以某种特征为最小处理单元的方法;
基于图像的方法指以图像中的像素为处理单元的方法。
2.1基于知识的人脸检测技术
基于知识的人脸检测技术是将人脸面额器官之间的关系编码准则化的人脸检测技术,该技术是自顶向下,依据人脸面部器官的对称性、灰度差异等先验知识,制定出一系列的准则。
当图像中的待测区有符合准则的,则被检测为人脸。
1994年Yang等提出该技术,他们利用4×
4镶嵌图将人脸分块,并根据每块的灰度值制定准则来进行判定。
他们将系统分为三级,利