基于RLAB特征的人臉在線檢測系統(tǒng)設(shè)計與實現(xiàn).pdf

1、人臉檢測處理的核心問題是對任一給定的圖像判斷其是否存在人臉，若存在則進一步找出人臉的位置和范圍等信息。人臉檢測最初作為人臉識別系統(tǒng)的定位環(huán)節(jié)被提出，主要用于人臉識別的預(yù)處理。近年來人臉檢測課題逐漸成為了新的研究熱點，廣泛應(yīng)用于視頻，機器人智能化和醫(yī)學(xué)等領(lǐng)域。如在筆記本電腦和手機提供了登錄識別和笑臉檢測拍照等很多方便的功能。人臉是一種具有友好和明顯等特點的生物特征。但人臉局部特征具有很大的隨機性，且易受光照和遮擋等外界影響，使得人臉檢測成

2、為一個非常具有挑戰(zhàn)性的課題。國內(nèi)外的研究者們提出了很多有效的人臉檢測算法，大致可以分為基于知識的方法、不變特征量法、模版匹配方法和基于統(tǒng)計理論的方法四類。
　　本文實現(xiàn)人臉在線檢測系統(tǒng)使用的是比較高效和主流的統(tǒng)計學(xué)習(xí)方法。人臉在線檢測系統(tǒng)作為視頻在線人臉識別系統(tǒng)的子系統(tǒng)被提出，包括系統(tǒng)通信、人臉檢測和模型訓(xùn)練三部分。系統(tǒng)的通信模塊負責(zé)接收客戶端請求識別的圖像以及發(fā)送返回識別結(jié)果，基于Windows平臺中最好的通訊模型I/O完成端口

3、實現(xiàn)的高性能C/S通信框架，具有高吞吐量和較低延遲。人臉檢測采用下采樣縮小圖像的策略，面向特征和面向窗口兩種方式，使用瀑布分類器搜索不同尺度和不同位置的圖像，區(qū)域合并后得到最終的人臉信息。模型訓(xùn)練則通過圖像歸一化、特征空間計算和弱分類器挑選、強分類器構(gòu)造等復(fù)雜的計算和操作最終級聯(lián)出一個高性能的瀑布分類器。
　　人臉檢測是人臉識別系統(tǒng)的前端，人臉檢測的結(jié)果的好壞直接影響著后續(xù)的定位跟蹤和識別功能的實現(xiàn)。為了提高算法的性能，本文首先基