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

1、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

2、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Y07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

3、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

4、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

5、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

6、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】Viola P，Jones MRapid object detection using a boosted cascade of simplefeaturecIn：Proceedings of IEEE Conference on Comput

7、er Vi sion and Pattern Recognition，Kauai，Hawaii，USA，2001，1：I-51l-518【2】P. Viola, M. Jones. Rapid object detection using a boosted cascade of simple features. IEEE Conf on Computer Vision and Pattern Recognition, Kauai, Hawaii, USA: IEEE Computer Society, 2001.【3】Viola P.，Jones M. J.、Robust Real-Time

8、 Face Detection、International Journal of Computer Vision【4】RLienhartJMaydtAn Extended Set of Haar-1 ike Features for Rapid Object DetectionCIEEE 【6】Huang F J，Chen TTracking of multiple faces for computer interfaces and virtualenvironmentsCIEEE IntlConfon Multimedia and ExpoNew York，July 2000 【7】 Vio

9、la P.，Jones M. J.、Robust Real-time Object Detection、Cambridge Research Laboratory, Technical Report Series、CRL 200101 【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

10、人脸跟踪算法的研究与实现J，电视技术，2005，275（5）：8890【14】 李刚，高政、人脸自动识别方法综述、计算机应用研究、2003, Vol 8:4-9【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，V0129，No7【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

11、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152文献阅读与外文翻译文献阅读与文献综述103技术水平与实际能力创新能力与学术水平254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

12、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：成绩类别成绩评定指导教师评定成绩评阅人评定成绩答辩组评定成绩总评成绩40%+20%+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

13、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

14、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 AbstractFace detection as a special case o

15、f object detection problem, 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

16、 plays ail important role in applications like in the intelligent -computer interaction，video conferencing，intelligent surveillance，video retrieval and so onTherefore，face detection technology attracted widespread attention in pattern recognition，computer vision，-computer interaction and other field

17、s 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 met

18、hods, including neural network markov model of support vector machine learning method examplesIn 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

19、 integration is the key to the vote, the simplest method is the absolute majority . In chapter five detailed analysis AdaBoost algorithm test speed, you can detect any scale the image quality.This papers research is based on the OpenCV source code， in which some basic data type and face detection sy

20、stem in the Visual C+ environment.Keywords: face detection ; AdaBoost ; openCV第1章 绪 论 11.1课题背景 11.2 人脸检测的发展情况 2第二章 人脸检测的三类方法 32.1 基于知识的人脸检测技术 32.2 基于特征的人脸检测技术 42.3 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 73.1 神经网络 73.2 隐马尔可夫模型方法 73.3 示例学习 83.4 支持向量机 9第4章 Adaboost算法 104.1 Adaboost概述 104.1.1 Adaboost算法简介 104.1.2

21、 Adaboost人脸检测算法 114.2 弱学习与强学习 124.3 PAC 基本模型 144.3.1 概述 144.3.3 PAC模型的不足 15第5章 矩形特征与积分图 165.1 引言 165.2 矩形特征 165.2.1 概述 165.2.2 特征模板 175.3 积分图 185.3.1 积分图的概念 18第6章 实验部分 216.1 OpenCV概述 216.1.1 OpenCV简介 216.1.2 应用领域 226.1.3 OpenCV的起源 226.1.4 OpenCV的基本结构 236.1.5 OpenCV的特征 246.2 OpenCV在检测中的应用 256.2.1 编译O

22、penCV 25 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

23、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

24、、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

25、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

26、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、ICIPCVPR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