1、基于边缘方向匹配的人脸检测研究开题报基于边缘方向匹配的人脸检测研究开题报 告告 一一 课题来源、目的、意义和国内外基本研究概况课题来源、目的、意义和国内外基本研究概况 1. 课题来源课题来源 课题由指导老师自行拟定。 2. 目的目的 学习了解图像处理和分析的基本原理，分析一个边缘方向匹配算法，实现用于人脸 的检测。通过本课题的训练，使学生掌握图像处理和分析的基本原理与方法，强化软件 的基本设计与实现技术的训练。 3. 意义意义 在日常生活中，人的脸部特征提供了大量丰富的信息。对于人脸的研究因其在身份 验证、档案管理和可视化通信等方面的巨大应用前景，备受研究者的关注。但在人脸检 测中存在许多难点
2、:图像中是否存在人脸、 人脸数目的不确定； 人脸在图像的中的位置、 大小、旋转角度和尺度不固定；人脸由于外貌、表情、肤色等不同，具有模式可变性； 人脸上可能存在眼镜、胡须等附属物；无约束背景下不可预知的成像条件；图像只能够 的多张人脸有可能互相遮挡； 图像中存在噪声等。 所有这些未知因素都使得实际人脸检 测相当困难。如果能找到人脸检测问题的解决办法，成功构造出一个使用系统，也将为 解决其他类似复杂模式的检测问题提供重要的启示。 另外由于人脸是自然界中构成和细节变化最复杂的模式之一，如果能研究出一个成 功的人脸检测系统， 那么就能对其他的模式检测问题提供有价值的参考。 比如对人脸检 测这一问题的
3、深入研究会附带解决很多诸如汽车、 动物等其他物体的检测， 而且必将推 动模式识别、计算机视觉、人工智能等计算机科学分支的发展。 4. 国内外基本研究概况国内外基本研究概况 由于人脸检测是自动人脸识别系统中的一个关键环节，故其研究发展与人脸识别息 息相关，依据研究内容、技术方法等方面的特点大体划分为三个阶段。 (1) 第一阶段 这一阶段的人脸识别通常只是作为一个一般性的模式识别问题，采用的主要方 案是基于人脸几何特征的方法。这集中体现在人们对剪影(profile)的研究上，对面 部剪影曲线的结构特征进行提取与分析。人工神经网络也一度被应用其中。 (2) 第二阶段 这一阶段为人脸识别研究的高潮期，
4、不但出现了若干代表性的人脸识别算法， 而且出现了若干商业化的运作的人脸识别系统，如 Identix 的 FaceIt 系统。 麻省理工学院(MIT)媒体实验室的 Turk 和 Pentland 提出的“特征脸(Eigenface)” 方法无疑最负盛名，其后很多方法都或多或少与其有关，现在 Eigenface 已经与归 一化的协相关向量(normalized correlation)方法一道成为人脸识别的性能测试基准 算法。 另外 MIT 智能实验室的 Brunelli 和 Poggio对比了基于结构特征的方法与基于模 板匹配的方法得出:模板匹配的方法优于基于特征的方法。这一结论与 Eigenface 共 同作用， 基本终止了纯粹基于结构特征的人脸研究， 并促进了基于表观(appearance- based)的线性子空间建模和基于统计模式识别技术的人脸识别方法的发展。 Belhumeur 等提出 Fisherface 人脸识别方法。 该方法首先采用主成分分析(princi- Pal component analysis,PCA)亦即 Eigenface，对图像的表观特征进行降维，在此
