【正文】 人臉識別系統(tǒng)中人臉檢測模塊的研究與實現(xiàn)內(nèi)容摘要：人臉檢測是計算機視覺與模式識別領域非常活躍的研究課題，在身份驗證、人機界面、可視通信、虛擬現(xiàn)實、公安檔案管理、基于內(nèi)容的圖像檢索等很多方面都有著廣泛的應用。作為人臉識別的重要的第一步，人臉檢測所做的工作是將人臉從圖像背景中檢測出來，它是人臉識別、視點跟蹤和人臉圖像壓縮等應用中的重要環(huán)節(jié)。由于受圖像背景、亮度變化及人的頭部姿勢等因素的影響，使得人臉檢測成為一項復雜的、具有挑戰(zhàn)性的研究課題。 本文論述了人臉檢測技術的基本概念，分析和探討了多種人臉檢測方法的基本理論，對人臉檢測方法進行了深入的研究和討論，實驗表明本文研究的人臉檢測方法是合理的，具有一定的理論價值與實用價值。本文的研究工作主要包括:基于AdaBoost學習算法，從一個較大的特征集中選擇少量關鍵的haarlike特征，產(chǎn)生一個高效的強分類器。再用級聯(lián)方式將單個的強分類器級聯(lián)成為一個更加復雜的級聯(lián)分類器。針對AdaBoost算法在訓練過程中出現(xiàn)的退化問題及樣本權重扭曲的現(xiàn)象，本文對樣本權重的更新規(guī)則作出了適當?shù)恼{(diào)整，在一定程度上避免了退化現(xiàn)象，提高了分類器的性能。實驗結(jié)果表明，新的人臉檢測器檢測效果顯著加強。關鍵詞：人臉檢測 AdaBoost算法 Haar特征 Research and implementation of face detection module in face recognition systemAbstract:Human face recognition and detection are the most active and chaallenging tasks for puter vision and pattern can be widely applied to such fields as personal identification,humanputer interface,visual munication,criminal archive administration,contentbased image retrieval,etc.As the first step of face recognition,the task of face detection is to detect human faces from background of ,face detection result is usually affected by the background,brightness or head posture of image and so on,which makes the process of detection more plicated.A great amount of literatures,surveys and research papers concerning uptodate techniques of face detection and face recognition are and hot issues about face detection are discussed in this experiments indicate that the methods of face detection proposed in this paper are reasonable,showing a certain degree of theoretical and practical research work of this paper mainly about:Using face detection method based on AdaBoost learning algorithm,which selects few key haarlike features from a large set of features,to build a robust cascade on the disadvantages of classical AdaBoost algorthm,this paper analyses the issues of overfitting and distortion of sample weights in training process and e up with a new method to avoid the phenomenon of experimental results show that the new method will not lead to overfitting like classical AdaBoost often does,and it will reduce false alarm rate while holding a high detection rate.Keywords: face detection adaboost algorithm haar feature 目 錄前言 1一、人臉檢測知識介紹 1（一）人臉檢測基本概念 1（二）人臉檢測技術的發(fā)展背景 2（三）人臉檢測的分類 3（四）人臉檢測方法 31．基于統(tǒng)計模型的方法 32．基于范本匹配的方法 63．基于特征的方法 7二、AdaBoost算法相關知識概述 8（一）Boosting算法簡介 8（二）AdaBoost算法簡介 9三、Haar型特征和積分圖像 10（一）Haar型特征 10（二）一種組合式新型特征 11（三）檢測器內(nèi)特征數(shù)計算 13四、基于AdaBoost算法的人臉檢測 16（一）AdaBoost算法 16（二）AdaBoost算法舉例 181．弱分類器 182．強分類器 19五、系統(tǒng)的設計與實現(xiàn) 21（一）VC++環(huán)境的安裝與配置 211．步驟 212．配置 21（二）OpenCV的介紹安裝和配置 21 21 22 22（三）總體設計 23 23 23（四）訓練部分的設計 24（五）識別部分設計 26（六）其他功能模塊的設計 26（七）系統(tǒng)截圖 27六、結(jié)束語 29（一）工作總結(jié) 29（二）展望 30七、致謝 30附錄 32參考文獻 43人臉識別系統(tǒng)中人臉檢測模塊的研究與實現(xiàn)前言人臉檢測是作為人臉識別的一部分進行研究的,是近些年研究的難點。人臉是一類具有相當復雜的細節(jié)變化的自然結(jié)構目標，對于這類目標的檢測是一個極富挑戰(zhàn)性的課題。人臉檢測問題的難度在于，主要在于圖像或視頻中人臉模式的廣泛差異性：某些局部特征具有隨機性(如眼鏡、胡須、發(fā)型等)，這些都給人臉檢測帶來難度。來自身份、光照、觀察角度等的變化，以及裝飾物和部分遮擋等影響，有時使人臉與背景區(qū)別不大，給檢測帶來一定的難度。因此，如果能夠找到解決這些問題的方法，成功構造出人臉的檢測系統(tǒng)，將會為其它具有類似特征和模式的檢測問題提供重要的提示。然而，對于機器來講，人臉又是一個有其艱巨而又困難的問題。因為人臉檢測技術在檢測過程中計算量在，算法復雜，即使一臺高性能的計算機也往往無法負擔一個大規(guī)模的人臉庫的檢測需求,更何況檢測后的識別等其它工作了。 經(jīng)過不斷的研究和發(fā)展，目前已經(jīng)實現(xiàn)了很多算法解決了一些計算量問題。迄今為止，人臉檢測的方法不斷的被提出。大體上可以分為如下幾大類：若干統(tǒng)計模型的方法、基于范本匹配的方法、基于器官特征的方法等。但目前最流行的是Viola等提出的基于積分圖像的Adaboost算法，它是目前效率最高的一種算法。 目前對人臉檢測研究的成果是：不但能對靜態(tài)圖像中的人臉進行單個人臉、多個人臉、人臉的多態(tài)檢測，而且能夠?qū)討B(tài)（視頻文件或錄像）圖像的人臉進行檢測和跟蹤。但對動態(tài)檢測還是初級階段，還有很多問題有待解決。本文主要研究靜態(tài)的人臉檢測，若輸入圖像為動態(tài)圖像序列，則可以利用與人臉或人臉的器官相對于背景的運動來檢測人臉，比如利用眨眼或說話等動作的探測來實現(xiàn)人臉與背景的分離。 本文主要研究基于Haar特征的AdaBoost算法,改進這種算法中的特征來進行人臉檢測。一、人臉檢測知識介紹（一）人臉檢測基本概念人臉檢測(Face Detection)是指在輸入圖像中確定所有人臉(如果存在)的位置、大小和姿態(tài)的過程。人臉檢測系統(tǒng)輸入的是可能包含人臉的圖像，輸出的是圖像中是否存在人臉和人臉數(shù)目、位置、尺度等信息的參數(shù)化描述。人臉檢測其實只是目標檢測的一個典型的應用實例。而目標檢測的目的是為了目標識別，目標識別的其它應用包括：手寫或印刷體文字的分割和、圖文表混合信息的分類和識別、在躁聲環(huán)境中檢測和識別特定說話人的身份、在航海、航空紅外照片中進行自動目標的識別。對人臉及其特征檢測的研究有益于相似特征提取及目標檢測和識別問題的研究。人臉檢測任務的完成涉及從復雜的背景中分割、抽取、驗證人臉區(qū)域和可能乃至的人臉特征(如眼睛、唇色等)。成功的人臉檢測系統(tǒng)應能處理實際存在的光線、人臉方向和距離照相機遠近變化等各種情況。（二）人臉檢測技術的發(fā)展背景人臉檢測沒什么近些年發(fā)展的如此迅速，主要原因有正面兩種：一是人機交互方式的發(fā)展，二是生物特征識別的發(fā)展。首先，人臉檢測技術的提出是人機交互發(fā)展的需要。人機交互方式，經(jīng)過第一代的單一文本形式到第二代的圖形用戶接口的發(fā)展，正在向以人為本的方向發(fā)展。人們提出了智能人機接口的概念，希望計算器具有或部分具有人的某些智能內(nèi)同計算機的交流變得像人與人之間的交流一樣輕松自如。用戶是人機界面中的主體，計算機作為一種“智能體”參與了人類的通訊活動。在處理人——機關系時，根據(jù)“人為中心”的思想，應當康健老虎人的因素。因此，智能接口系統(tǒng)要解決的首要問題是計算機如何感知使用者的存在，這是人機交互的前提。臉部是人類攜帶信息最豐富的部位，是人類的重要特征。從認知角度講，人們在視覺信道層次上感知和識別人的首要信息載體就是人臉。使計算器