开题报告孙见青宝典.docx
《开题报告孙见青宝典.docx》由会员分享，可在线阅读，更多相关《开题报告孙见青宝典.docx（8页珍藏版）》请在冰豆网上搜索。
开题报告孙见青宝典
开题报告-孙见青[宝典]
研究生学位档案材料之十
合肥工业大学
攻读博士、硕士学位研究生课题研究及学位论文工作任务书
年级2005班级9研究生姓名孙见青指导教师汪荣贵研究生类别?
硕士?
博士?
硕博连读学科、专业计算机应用技术研究方向人工智能应用所在学院计算机与信息学院
合肥工业大学研究生培养处
填写说明
一（本表为研究生进入课题研究和学位论文工作时在导师指导下所做的课题研究报告，
为保证硕士研究生有一年以上的时间用于课题研究，博士研究生有一年半以上的时间用于课题研究，硕博连读研究生有不少于二年的时间用于课题研究，研究生应按时开题，并填写开题报告。
二（指导教师和所在系要认真审查研究生选题是否准确、适当（即课题有无理论意义和经济意义，作为攻读学位的研究生研究课题是否适宜，在课题的难度和份量上是否恰当，能否在规定的时间内完成等），实验方案是否合理、可行，并对所选题给予恰当评价。
指导教师意见中还可以对研究生的开题报告作某些补充和说明。
三（填写本表前系应组织研究生就选题情况进行公开答辩，提出修改意见。
研究生修改定稿后填写本表。
本表一式三份，经导师、系、学院签署审核意见后实施。
在第三学期第五周前（硕士研究生、博士生）、第三学期结束前（硕博连读生）送学院研究生秘书汇总，二份留学院，原稿由学院研究生秘书送研究生培养科存档。
四（博士生、硕博连读研究生开题报告的公开答辩的成绩由学院登录。
五（本表经批准后必须严格执行。
如因特殊原因必须修改计划时，须书面申请，并经导师、系、学院同意后方可修改计划。
六（本表用钢笔填写，字体工整。
也可用宋体，小4号字打印输出。
一（学位论文题目:
基于支持向量机的快速人脸检测方法的研究
二（所选课题的来源、目的、意义及该课题在国内外的概况:
1.课题来源:
国家自然科学基金项目（60575023）;
教育部博士点基金项目（20050359012）;
安徽省自然科学基金项目（070412054）。
2（课题的目的和意义:
人脸检测是指判断给定图像中是否存在人脸，若存在，则返回人脸的位置、大小和位姿。
本课题的目的就是设计一个基于支持向量机的人脸检测系统，该系统具有一定的鲁棒性和实时性。
人脸检测问题最初来源于人脸识别。
人脸检测是自动人脸识别系统中的一个关键环节，但是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），往往假设人脸位置已知或很容易获得，因此人脸检测问题并未受到重视。
进入21世纪以后，比传统的输入方式更加智能化，更加友好的人机交互环境得到前所未有的迅猛发展，获取图像的花费也逐渐降低，意味着计算机视觉系统完全可以应用于微机中;加之近年来电子商务、视频服务、检控验证等广泛应用与发展，人们对自动识别系统的要求越来越高，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环境图像具有一定的适应能力，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。
今天，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，它成为模式识别和计算机视觉领域的一项受到普遍重视、研究十分活跃的课题，在安全检查、视觉监测、基于内容的检索等方面有着重要的应用价值。
人脸是典型的非刚性物体，它是一个非常复杂的模式，其中隐含的信息量非常的丰富，加上人脸姿势的可变性、成像条件的影响、面部表情和纹理特征的差异，使得人脸检测是一项非常具有挑战性的问题。
解决这些难题将为其它类似的复杂模式目标自动检测问题提供重要的启示，因此人脸检测研究具有重要的学术价值和应用价值。
3（国内外研究概况:
目前，国外对人脸检测的研究很多，许多国家展开了人脸检测的研究，主要在美国、欧洲国家、日本、新加坡、韩国等，比较著名的研究机构有美国的麻省理工大学（MIT）的Medialab和AIlab，卡内基梅隆大学（CMU）的Human-ComputerInterfaceInstitute，MicrosoftResearch以及Illinois大学的Beckman研究所，英国的DepartmentofEngineeringinUniversityofCambridge等。
国内开展人脸检测研究的主要单位有清华大学、哈尔滨工业大学、北京工业大学、上海交通大学、中国科学院自动化研究所等，且都取得了一定的成果。
现在国内外研究的人脸检测的方法大体可以分为两类:
基于特征的人脸检测和基于图像的人脸检测。
基于特征的方法检测速度比较好，但是鲁棒性较差;基于图像的方法得到了相对广泛的研究，该方法鲁棒性较好，但是检测速度比较慢。
如何在得到较好的检测鲁棒性的同时使得检测速度较快，已经成为研究的热点和关键。
由于人脸的复杂性，显式的描述人脸特征具有一定的困难，因此基于图像的人脸检测方法中的基于统计的方法越来越受到重视，此类方法将人脸区域看作一类模式,即模板特征,使用大量的“人脸”与“非人脸”样本训练、构造分类器，通过判别图像中所有可能区域属于哪类模式的方法来实现人脸的检测。
实际上，人脸检测问题被转化为统计模式识别的二分类问题，有关工作几乎涉及到所有经典模式识别方法。
CMU的Rowley等提出了基于神经网络的人脸检测方法，对于正面端正人脸，在检测时对每一个20×20像素的窗口使用一个三层前向网进行检测以确定是否为人脸;对于正面旋转人脸的检测，首先使用旋转角度检测器对待检测窗口进行旋转，然后再使用正面人脸检测中的三层前向网络进行检测。
Osuna等提出了一种基于支持向量机的人脸检测方法，该方法使用了大量人脸样本和“自举”方法收集的“非人脸”样本来训练SVM，并且使用逼近优化的方法减少支持向量的数量，在检测阶段对每一个19×19像素的窗口使用SVM进行分类以确定是否为人脸。
Viola等提出一种基于Haar-like特征的AdaBoost算法，并利用瀑布型分类器实现了实时高效的人脸检测算法，为人脸检测的实际应用提供了可能，其瀑布型检测器的优秀性能在很大程度上要归功于AdaBoost算法。
O.Sawettanusorn等提出了一种基于特征和基于图像相结合的人脸检测方法，该方法利用双眼区域的亮度关系和脸部的对称性来快速过滤掉大量的背景区域，再利用相机得到的距离信息对余下的区域进行进一步的验证。
三（课题研究的主要内容及拟解决的问题和预期效果:
1（主要内容:
由于人脸模式的复杂性和环境等因素的影响，人脸检测的鲁棒性是一个难题;同时，由于人脸检测的应用目的，使得它应该具有实时性，因此应该使设计出的人脸检测系统同时具有鲁棒性和实时性，本文对这两个方面的问题进行了研究。
对于鲁棒性，进行了下面的研究:
使用期望最大、主成分分析（EM-PCA）提取特征，该方法克服了传统的主成分析（PCA）
的不足，提取的特征能够更好的代表本质的模式，因而使得对应的分类器的鲁棒性
更好;
现有的很多方法采用过滤的方法来进行特征提取，得到的特征没有考虑到分类器的
实际性能。
本文使用了封装的特征提取思想，使用小生境遗传算法同时进行特征提
取和SVM参数的优化，从而使得到的分类器的鲁棒性更好。
对于实时性，进行了下面的研究:
标准支持向量机的分类速度比较慢，在很多情况下不能满足实际的检测速度要求，
实际上，很多样本只需要线性分类器就能够得以正确分类，针对这种情况，本文提
取了基于fisher线性分类器和SVM的级联分类器和基于线性SVM和非线性SVM
的SVM决策树;
很多基于特征的人脸检测方法的检测速度比较快，本文使用基于特征和基于图像相
结合的人脸检测，首先使用脸部的特征来过滤掉大量的背景区域，对于余下的区
域，再使用SVM作进一步的验证。
2（拟解决的问题:
人脸检测问题总体上来说需要解决下面的问题:
人脸和非人脸训练样本的选取
图像预处理
人脸特征表示
搜索策略
检测结果的仲裁
本系统的目的是提高人脸检测系统的检测鲁棒性和检测速度，着重在以下几个方面进行研究:
使用EM-PCA和小生境遗传算法等较好的特征提取方法来提取特征，从而提高检测
的鲁棒性，使得检测系统的使用范围更广;
使用基于特征和基于图像相结合的人脸检测、级联分类器和支持向量机决策树来提
高检测速度，使得检测系统具有一定的实时性。
3（预期效果:
研究的目的是设计一个人脸检测系统，该系统不仅能够有效的检测出很多复杂背景
环境下的人脸，具有较好的鲁棒性，而且还要求检测的速度较快，具有一定的实时性，
从而能在一定程度上满足实际的应用要求，使得最终的系统具有一定的实用价值。
四（实验设计方案及所需要的主要设备、仪器、材料（名称、规格型号）及其数据（实验大纲另订）。
1（实验设计方案:
最终的人脸检测系统由基于特征的人脸检测和基于图像的人脸检测两部分构成。
基于特征的人脸检测就是使用脸部的特征;基于图像的人脸检测使用SVM分类器，这就需要进行特征提取以及SVM分类器的训练，在本实验中使用了两种方法进行了特征提取:
EM-PCA和小生境遗传算法，小生境遗传算法还同时对SVM的核参数进行了优化，提取特征后进行SVM分类器的设计，也就是使用样本的特征来训练SVM，当得到SVM模型后，对待检测的图像，首先构造不同分辨率的金字塔，对每个金字塔下的图像，以一定间隔取窗口，将每个窗口首先使用基于特征的方法进行粗检，对于余下的候选区域，使用已经训练好的SVM进行分类，以确认其是否是人脸。
人脸检测算法大致框架如图1所示
非人脸样训练本特征提取分类器错分人脸样本样本
搜索各尺度特征分类图像结果仲裁子窗口提取判断
图1人脸检测算法框架
具体的设计方案如下:
（一）人脸和非人脸训练样本的选取
训练样本选取是基于统计模型方法的难点，对于人脸检测问题来说，事先并不清楚样本规模达到多少是充分的（样本集隐含的模式是否能充分表达样本空间分布），假如训练样本能穷尽样本空间，那统计方法是近乎完美的方案，可惜，穷尽样本空间很显然是不现实的。
对于“人脸”样本的选取，我们需要收集尽可能丰富的人脸样本，通过对包含人脸的图像进行手工标定、裁剪和归一是非常好的途径，但是工作量很大;以现有的一些人脸库为基础是较为便捷的方式，如MIT-CBCL,YaleFaceDatabaseB,ORL等人脸库;还可以通过虚拟样本进行适当扩充。
“非人脸”样本的多样性和不易界定（只能用“不是人脸的样本都是非人脸”来描述）是基于统计的方法中的一个难题。
对于“非人脸”样本的选取，空间非常庞大，“自举”是收集非人脸样本的可行途径，本实验中使用此方法来收集非人脸。
（二）图像预处理和特征提取
为了减少图像光照条件影响，提高算法的鲁棒性，在提取特征前会使用一些预处
理的办法，如光照矫正、直方图均衡化等。
特征提取主要使用EM-PCA、小波变换和遗传算法。
（三）分类器设计
使用SVM分类器，它是基于风险最小化（SRM）原理，而不是传统统计学的经验最小化（ERM）原理，它能够很好的解决小样本学习问题，在样本的维数很高并且样本数目较少的情况下也能有较好的表现。
SVM分类器的构造涉及核及其参数的优化和选择，可以采用遗传算法来进行核参数的优化;利用Platt等提出的SMO算法解决训练中需要求解的二次规划问题;同时，为了加快检测速度，使用级联分类器和支持向量机决策树。
（四）搜索策略
考虑图像金字塔搜索，首先检测原始图像，然后对原始图像进行一定尺度的缩放，从而可以检测出较大的人脸，重复此过程直到检测出所有的人脸。
（五）检测结果仲裁
参考Rowley使用的消除重叠的方法，设计合适的检测结果仲裁算法。
（六）评价标准
实验中使用了三个测试集:
BioID测试集、MIT-CMU测试集和我们自己拍摄的图像。
BioID测试集包含1521幅图像，每幅图像包含一个人脸，光照条件、背景以及人脸的大小变化较大，可以作为算法对光照条件和姿态的敏感性测试;
MIT-CMU正面人脸库包括130幅图像，507张人脸，包含了各种难度的图像，可以有效测试算法多个方面的性能，是目前用的比较广泛的测试集;
我们拍摄的图像包括50幅图像，含有163张人脸。
2（主要设备、仪器、材料:
硬件:
PC机一台（CPU:
2.93GHZ内存:
521M）
软件:
Matlab、VC++6.0
-4-
五（关键问题，现有条件及解决办法:
1（关键问题:
降低检测算法的复杂度，使检测速度接近或达到实时的要求;
增强检测的鲁棒性，使得相应的系统能够检测出复杂背景下的人脸。
2（现有条件:
指导老师的精心指导、实验室良好的学习氛围和交流讨论的习惯;,有较丰富的编程经验和较扎实的理论知识，对数字图像处理和模式识别领域进行较
为系统的学习，了解和掌握了该方向的最新国内外研究动态，对人脸检测已做了一
定的研究，并进行了大量的实验，具有一定的理论和实验基础;
已经实现了整个检测系统的部分功能和设计构想，并发表相关论文八篇。
3（解决方法:
大量阅读国内外关于人脸检测的最新的论文，在基本了解该领域的最新发展状况的
基础上，根据自己的实际理论水平，找到合适的方法;
经常动手实践，提高自己的编程能力及动手能力。
-5-
六（进度安排及完成毕业论文日期:
2006.03,2006.09
广泛阅读文献，了解目前人脸检测的发展现状，并阅读关于支持向量机、遗传算法
和特征提取等方面的文章，分析国内外现有的方法的优点和不足。
2006.09,2007.03
比较已经了解或掌握的各种方法，找出适合自己的方法，并根据自己的理论水平，
提出新的算法。
2007.03,2007.06
编程实现提出的算法，并和已有的方法进行比较，发现其中的不足，然后及时查阅
相关资料，进行进一步的完善。
2007.06,2007.10
对上面的工作进行总结，撰写毕业论文。
2007.10-2007.11
提交毕业论文，准备答辩。
-6-
指导教师对研究生选题的意见:
人脸检测是模式识别与人工智能领域的重要研究内容，在智能视觉监控等领域有着十分重要的应用价值。
孙见青同学的研究课题旨在使用支持向量机、遗传算法等工具实现一个复杂背景下的快速人脸检测系统，选题具有很好的理论意义和应用价值。
经过前期调研和预研，已经收集了大量有价值的研究资料，并且初步取得了一些有价值的研究成果。
因此，该课题已经具备很好的研究基础。
课题难度适宜，研究方案合理、可行。
同意开题。
指导教师签章:
年月日
-7-
系对研究生选题的意见:
系主任签章:
年月日
-8-
答辩委员会意见（仅对博士生、硕博连读生）:
答辩成绩:
答辩委员会主席:
年月日学院审核意见:
负责人签名:
年月日备注:
升级会员 