基于OpenCV的人脸检测课程设计

《基于OpenCV的人脸检测课程设计》由会员分享，可在线阅读，更多相关《基于OpenCV的人脸检测课程设计（10页珍藏版）》请在毕设资料网上搜索。

1、 信息与电子工程学院信息与电子工程学院 数字图像处理数字图像处理 题目：基于题目：基于 OpenCVOpenCV 的人脸检测的人脸检测 班 级： 电子 131 姓 名： XXXXXX 学 号： XXXXXXXX 指导教师： XXXXXX 基于基于 OpenCVOpenCV 的人脸检测的人脸检测 XXXXXX 【摘要摘要】 ：通过对基于 Adaboost 人脸检测算法的研究，利用该算法与计算机视觉 类库 OpenCV 进行人脸检测系统的设计，实现了对图像中的人脸检测。此外，在 OpenCV 环境下实现了对一个简单的人脸检测系统软件的界面开发，该系统对人 脸检测的速度较快，检测结果较为准确，可以作

2、为其他人脸检测或人脸模式识别 的系统的开发基础。 【关键词关键词】 ：人脸检测；OpenCV；Adaboost Face Detection Based on OpenCV 【AbstractAbstract】:According to the research of Adaboost algorithm of Face Detection， people made use of the algorithms and computer vision class library OpenCV for the design of face detection system and achieved

3、 the target of pictures. Whats more in the environment of OpenCV，it achieved the development of simple Face Detection. The speed of Face Detection is very fast and the test results are accurate. It can be used as the development foundation of other face detection or face pattern recognition system.

4、【Key wordsKey words】:Face detection；OpenCV；Adaboost 一、一、引言引言 随着计算机与数字信号处理技术的高速发展， 人脸检测技术在众多领域得到 广泛应用。人脸检测技术是指在视频或图像中检测出现人脸位置、大小的过程。 作为人脸信息处理中的一项关键技术，人脸检测技术已经超出了其它人脸识别 模式的应用范畴，在视频处理，图像处理，身份验证，安全监测等方面有着重要 的应用价值。 随着计算机语言算法的发展， 近年来出现了大量的人脸检测的算法， 其中，能够较好的解决人脸的检测速度与检测效果的算法，是在 2001 年由 Paul Viola 和 Michael

5、Jones 首先提出的 Adaboost 算法。本系统就是基于 openCV， 利用 Adaboost 算法设计的一个简单的人脸检测系统，该系统能够快速、准确的 检测到图像或视频中的人脸。 二、过过程程 1 1、AdaboostAdaboost人脸检测算法人脸检测算法 人体检测属模式识别范畴。模式识别方法多种多样，模式识别系统的最终目 标是要在表示空间和解释空间之间找到一种映射关系。这种映射可以是一个分 类，也可以是回归或者描述方案。在这里，我们用分类来叙述。分类方法总得来 说可以分为两种：监督学习和非监督学习。后来又在前两者的基础上发展出了半 监督学习方法，这种方法的本质仍属于监督学习。 对

6、人脸检测的研究最初可以追溯到 20 世纪 70 年代， 早期的研究方向与现在 的研究方向与方法不同。目前在实际中应用的人脸检测方法较为普遍的是基于 Adaboost 算法的方法。 Viola 的人脸检测方法是一种基于积分图、级联分类检测器和 Adaboost 算 法的方法，方法框架可以分为以下 3 大步骤: （1）使用 Haar-like 特征表示人脸，使用“积分图”实现特征数值的快速计算； （2）使用 Adaboost 算法挑选出一些最能代表人脸的矩形特征（弱分类器） ，按 照加权投票的方式将弱分类器构造为一个强分类器； （3）将得到的若干强分类器串联组成一个级联结构的层叠分类器，训练得到的 强级联结构能有效地提高分类器的检测速度。 2 2、HaarHaar- -likelike特征特征 haar 特征是基于灰度图， 首先通过大量的具有比较明显的 haar 特征 （矩形） 的物体图像用模式识别的方法训练出分类器，分类器是个级联的，每级都以大概 相同的识别率保留进入下一级的具有物体特征的候选物体， 而每一级的子分类器