【正文】 1 報(bào)告內(nèi)容 思路清新；語言表達(dá)準(zhǔn)確，概念清楚，論點(diǎn)正確；實(shí) 驗(yàn)方法科學(xué)，分析歸納合理；結(jié)論有應(yīng)用價(jià)值。 40 2 報(bào)告過程 準(zhǔn)備工作充分 ,時(shí)間符合要求。 10 3 創(chuàng) 新 對(duì)前人工作有改進(jìn)或突破，或有獨(dú)特見解。 10 4 答 辯 回答問題有理論依據(jù)，基本概念清楚。主要問題回答 準(zhǔn)確，深入。 40 總分 答辯組 評(píng)語 答辯組組長（簽字）： 年 月 日 答辯 委員會(huì)意見 答辯委員會(huì)負(fù)責(zé)人（簽字）： 年 月 日 畢業(yè)設(shè)計(jì)（論文）成績?cè)u(píng)定總表 學(xué)生姓名：宋健 專業(yè)班級(jí)： 07 通信 2班 畢業(yè)設(shè)計(jì)（論文）題目： 基于計(jì)算機(jī)視覺的人臉檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 注：成績?cè)u(píng)定由指導(dǎo)教師、評(píng)閱教師和答辯組分別給分 (以 百分記 )，最后按“優(yōu) (90100)”、“良(8089)”、“中 (7079)”、“及格 (6069)”、“不及格 (60 以下 )”評(píng)定等級(jí)。其中， 指導(dǎo)教師評(píng)定成績占 40%，評(píng)閱人評(píng)定成績占 20%，答辯組評(píng)定成績占 40%。 成績類別 成績?cè)u(píng)定 Ⅰ指導(dǎo)教師評(píng)定成績 Ⅱ評(píng)閱人評(píng)定成績 Ⅲ答辯組評(píng)定成績 總評(píng)成績 Ⅰ 40%+Ⅱ 20%+Ⅲ 40% 評(píng)定等級(jí) I 摘 要 人臉檢測作為物體檢測問題的一個(gè)特例，長期以來一直倍受關(guān)注。無論是從實(shí)際應(yīng)用還是從理論研究的角度來看，人臉檢測都是一個(gè)頗具吸引力的課題。并且人臉檢測技術(shù)不僅是人臉識(shí)別、表情識(shí)別、人臉跟蹤 等技術(shù)的重要前提條件，同時(shí)在模式識(shí)別、人機(jī)交互、智能監(jiān)控、視頻檢索等領(lǐng)域也引起了廣泛的重視。 本論文簡單介紹了人臉識(shí)別技術(shù)研究及應(yīng)用的發(fā)展現(xiàn)狀。在第二章中介紹了包括人臉檢測研究的三類檢測方法；在第三章簡單介紹了四種經(jīng)典的檢測方法，包括神經(jīng)網(wǎng)絡(luò)、隱馬爾可夫模型方法、示例學(xué)習(xí)、支持向量機(jī)。 在第四章重點(diǎn)分析了 AdaBoost 算法中集成機(jī)器學(xué)習(xí)的一個(gè)重要機(jī)制：多個(gè)弱分類器集成的方法，機(jī)器學(xué)習(xí)中的弱學(xué)習(xí)到強(qiáng)學(xué)習(xí)，集成的關(guān)鍵是投票，最簡單的方法是“絕對(duì)多數(shù)”的方法。在第五章詳細(xì)分析了 AdaBoost 算法檢測速度快、可 以檢測任意尺度的圖像的特點(diǎn)。 在這個(gè)理論基礎(chǔ)上，本文中人臉?biāo)惴ǖ难芯炕?OpenCV開源代碼，在 OpenCV開源代碼中設(shè)計(jì)了一些基礎(chǔ)的數(shù)據(jù)類型和一些幫助數(shù)據(jù)類型。由于 OpenCV的源代碼完全開放，本文的研究中利用這套代碼在 PC上以 Visual C++集成開發(fā)環(huán)境做平臺(tái)搭建了一個(gè)基于 OpenCV的人臉檢測系統(tǒng)，進(jìn)行了人臉檢測仿真，并對(duì)其結(jié)果進(jìn)行分析。 關(guān)鍵詞 ： 人臉檢測； AdaBoost； OpenCV II Abstract Face detection as a special case of object detection problem, has long been much attention either from the actual application or from the fundamental research perspective, face detection is an attractive face detection is not only a necessary precondition of face recognition， expression recognition technology, face tracking， but also， it plays ail important role in applications like in the intelligent humanputer interaction， video conferencing， intelligent surveillance， video retrieval and so on． Therefore， face detection technology attracted widespread attention in pattern recognition， puter vision， humanputer interaction and other fields． This paper describes the national and international recognition technology applications research and development and analysis the difficult chapter 2 introduces three kinds of research include face detection detection methods. In the third chapter introduces four classic detection methods, including neural work hidden markov model of support vector machine learning method examples In 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 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 paper’s research is based on the OpenCV source code， in which some basic data type and helping data type were created， and because of the opermess of the code， we build a human face detection system in the Visual C++ environment. Keywords: face detection 。 AdaBoost 。 openCV III 目錄 第 1 章 緒 論 ...................................................... 1 課題背景 ..................................................... 1 人臉檢測的發(fā)展情況 .......................................... 2 第二章 人臉 檢測 的三類 方法 .......................................... 3 基于知識(shí)的人臉檢測技術(shù) ...................................... 3 基于特征的人臉檢測技術(shù) ...................................... 4 基于模板匹配的人臉檢測技術(shù) .................................. 5 第 3 章 人臉檢測的經(jīng)典方法 .......................................... 7 神經(jīng)網(wǎng)絡(luò) ................................................... 7 隱馬爾可夫模型方法 ......................................... 7 示例學(xué)習(xí) ................................................... 8 支持向量機(jī) ................................................. 9 第 4 章 Adaboost 算法 .............................................. 10 Adaboost 概述 .............................................. 10 Adaboost 算法簡介 .................................... 10 Adaboost 人臉檢測算法 ................................ 11 弱學(xué)習(xí)與強(qiáng)學(xué)習(xí) ............................................ 12 PAC 基本模型 .............................................. 14 概述 ................................................. 14 PAC 模型的不足 ....................................... 15 第 5 章 矩形特征與積分圖 ............................................ 16 引言 ...................................................... 16 矩形特征 .................................................. 16 概述 ................................................. 16 特征模板 ............................................. 17 積分圖 .................................................... 18 積分圖的概念 ......................................... 18 第 6 章 實(shí)驗(yàn)部分 ................................................... 21 OpenCV 概述 ................................................ 21 OpenCV 簡介 .......................................... 21 應(yīng)用領(lǐng)域 ............................................. 22 OpenCV 的起源 ........................................ 22 OpenCV 的基本結(jié)構(gòu) .................................... 23 OpenCV 的特征 ......................................... 24 OpenCV 在檢測中的應(yīng)用 ...................................... 25 編譯 OpenCV .......................................... 25 IV 26 結(jié)論 ............................................................................................................................... 26 致 謝 ........................................................................................................................... 27 參 考 文 獻(xiàn) .................................................................................................................. 28