基于靜態(tài)圖像的人臉監(jiān)測.pdf

1、人臉檢測概念指：運用現(xiàn)代數(shù)字信息手段，從圖像來源中檢測出普通人臉，包括辨認(rèn)出人臉方位和所占空間。正確檢測出人臉，是人臉識別、智能圖像處理的先決條件，同時該項檢測技術(shù)能夠在人機交互、安防監(jiān)控、基于圖像的檢索等應(yīng)用場景中起非常大的作用。
　　本文闡述了目前國內(nèi)外人臉檢測研究、應(yīng)用的發(fā)展?fàn)顩r。近幾年隨著信息技術(shù)的發(fā)展，人臉檢測所涉及的技術(shù)越來越多，對該課題的研究也受到更多人的重視?，F(xiàn)在，對于這項技術(shù)的研究，其深度和廣度，都遠(yuǎn)遠(yuǎn)超過了最初

2、提出的時候。從單純的靜態(tài)圖像，到復(fù)雜場景的多人物圖像，或者是動態(tài)的視頻流，人臉檢測已經(jīng)能夠適應(yīng)于社會的各個場景。隨著人臉檢測的飛速發(fā)展，在視覺應(yīng)用的其他領(lǐng)域也產(chǎn)生了很多相似的應(yīng)用，在人臉檢測技術(shù)發(fā)展中所涉及的各種理論和實現(xiàn)方法，對居住小區(qū)、公共場所等地方的安防監(jiān)控、交通運輸?shù)能囕v牌照識別等應(yīng)用系統(tǒng)，都會有促進作用。
　　本文綜述了國內(nèi)外人臉識別技術(shù)研究及應(yīng)用的發(fā)展現(xiàn)狀，以及難點分析，介紹了主流的人臉檢測方法，討論了各方法的優(yōu)缺點。

3、
　　本文選擇了基于Haar特征的人臉檢測方法，分析其主要工作流程：人臉haar特征的描述和Adaboost算法，該算法使用Haar特征來區(qū)分圖像，通過引入積分圖概念，增強了特征的計算速度。對于AdaBoost算法中集成機器學(xué)習(xí)的一個重要機制：多個弱分類器集成的方法也進行了重點的分析。在文中，還詳細(xì)介紹了Adaboost分類器的訓(xùn)練原理和方法，訓(xùn)練分類器的詳細(xì)設(shè)計過程，并給出了訓(xùn)練程序的源碼。
　　本文實現(xiàn)的人臉檢測系統(tǒng)是基

4、于OpenCV開源圖像庫來設(shè)計完成的。在OpenCV開源圖像庫中，提供了大量的基礎(chǔ)數(shù)據(jù)類型和系統(tǒng)構(gòu)建方法，本文利用這套成熟的圖像處理程序框架，在windows平臺上以VS2010集成開發(fā)環(huán)境構(gòu)建了一個針對靜態(tài)圖像的人臉檢測系統(tǒng)，最后就人臉檢測成功率、誤檢率和檢測速度進行了測試驗證。本文通過手動的方式，對經(jīng)過挑選的、具有代表特征的圖像進行了測試。測試結(jié)果表明，對于檢測的圖像，本文實現(xiàn)的人臉檢測系統(tǒng)檢測通過率為100％，沒有錯檢和漏檢的情況