【正文】 ost 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(shù)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(guān)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(shè)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(shè)計 23 23 23（四）訓(xùn)練部分的設(shè)計 24（五）識別部分設(shè)計 26（六）其他功能模塊的設(shè)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(xiàn) 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(lǐng)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(yīng)用。實驗結(jié)果表明，新的人臉檢測器檢測效果顯著加強。 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。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。首先，人臉檢測技術(shù)的提出是人機交互發(fā)展的需要。使計算器具有感知到人是否存在的視覺功能，這項技術(shù)就是人臉檢測。相對而言，人臉識別是一種更直接、更方便、更友好、更容易被人們接受的非侵犯性識別方法。采用這種檢測策略的關(guān)鍵在于如何選取大量的具有代表性的圖像樣本 。檢測時對輸入圖像中所有可能位置和尺度的區(qū)域首先使用位姿檢測器估計人臉位姿，經(jīng)校準(zhǔn)和預(yù)處理后送入三個檢測器中，最后對檢測器的分類結(jié)果進行仲裁。作為一種分類算法，廣泛應(yīng)用于模式識別的各個分支。在圖3中最優(yōu)分類面距離支持向量的距離最遠(yuǎn)。它把人扔模式看作參數(shù)化的隨過程，把人面部的額頭、眼睛、鼻子、嘴巴和下巴等器官所在部位看作隨機過程的狀態(tài)，通過對符合人臉各器官公布的隨機過程 的檢測來實現(xiàn)對人臉檢測。（1）固定模板匹配法根據(jù)人臉的先驗知識先設(shè)計出人臉輪廓模板以及各個器官特征的子模板，然后通過計算樣本圖像中區(qū)域和人臉輪廓模板的相關(guān)值來檢測出人臉候選區(qū)域，最后利用器官特征子模板驗證上一步檢測出的人臉候選區(qū)域是否包含人臉。（1）基于器官特征的方法這種方法首先提取人臉器官（眼、鼻、唇等）圖像特征（包括幾何、空間、灰度等各種度量）。用彩色信息檢測人臉的關(guān)鍵是合理選擇色度坐標(biāo)。例如，國內(nèi)的清華大學(xué)的研究人員對人類膚色進行了較為系統(tǒng)的分析，并提出了基于顏色和特征的自適應(yīng)人臉檢測的方法。如果兩者等價，那么在學(xué)習(xí)概念時，我們只需要找到一個比隨機猜想略好的方法就可以將它提升為強學(xué)習(xí)算法。理論證明,只要每個簡單分類器分類能力比隨機猜測要好,當(dāng)簡單分類器個數(shù)趨向于無窮時,強分類器的錯誤率將趨于零。檢測到人臉區(qū)域分類器輸出為1，否則輸出為0。三、Haar型特征和積分圖像（一）Haar型特征將矩形作為人臉檢測的特征向量，稱為矩形特征。Haar型特征值的計算是通過積分圖像實現(xiàn)的。圖5的1和3稱做雙矩形特征(tworectangle feature)，2和4分別稱做三矩形特征(threerectanglefeature)和四矩形特(fourrectangle feature)。 這樣整個特征就和人臉基本特征吻合。對于一個的檢測器而言，其內(nèi)部的特征矩形數(shù)的計算如下：首先介紹一下條件矩形：圖8 計算檢測器所有可能的矩形的數(shù)量對于窗口，我們只需要確定矩形左上頂點和右下頂點,即可以確定一個矩形；如果這個矩形還滿足下面兩個條件(稱為條件，滿足條件的矩形稱為條件矩形)：x方向邊長必須能被自然數(shù)s 整除(能均等分成s段)y方向被邊長必須能自然數(shù)t整除(能均等分成t段)則這個矩形最小尺寸為或，最大尺寸為或 (其中[]為取整運算)。為一共的訓(xùn)練樣本數(shù)量。（二）AdaBoost算法舉例1．弱分類器下面舉例說明如何用AdaBoost算法將多個弱分類器組合成一個強分類器。獲取并保存訓(xùn)練樣本。假設(shè)人臉樣本個數(shù)為p，那么人臉樣本的初始權(quán)值為。對PV數(shù)組按從小到大排序：人臉樣本的個數(shù)為p，那么當(dāng)前強分類器的閾值，即第個元素作為閾值，保證有個人臉樣本能通過該閾值。 （4） 安裝Symbian SDK?！　。?） 耗費很高的商業(yè)化工具(比如Halcon, MATLAB+Simulink)。 在生成過程中會出現(xiàn)如下錯誤： “fatal error LNK1181: 無法打開輸入文件“”“error C2039: “foreground_regions”（四）訓(xùn)練部分的設(shè)計訓(xùn)練部分是指添加人連數(shù)據(jù)庫以后，提取人臉特征，生成每人的HMM模型的過程。該部分在多人人臉數(shù)據(jù)庫中，實現(xiàn)圖片的讀取并判斷圖片是否已經(jīng)經(jīng)過了訓(xùn)練，然后調(diào)用人臉訓(xùn)練核心函數(shù)進行訓(xùn)練。故有由AppWizard 自動生成的CAboutDlg、CZhouApp、CZhouDoc、CZhouView、CMainFrame 五個類構(gòu)成了應(yīng)用程序的框架。現(xiàn)實的應(yīng)用環(huán)境往往較為復(fù)雜，因此一種方法是否具有優(yōu)良的綜合性能是衡量其是否具有實用價值的重要標(biāo)準(zhǔn)。實踐證明文中方法可以較為精確地分割出人體膚色區(qū)域，從而顯著地提高人臉檢測的準(zhǔn)確率。通過對待檢照片的幾何歸一化、圖像校正、圖像復(fù)原來改善待檢照片質(zhì)量，在允許寬口徑的待檢照片輸入的同時使用。能否將基于膚色信息的方法和基于統(tǒng)計的方法結(jié)合，降低漏檢率是今后探索的方向。如何充分利用計算機人臉識別的上述優(yōu)點，構(gòu)建一些有實用價值的人臉識別系統(tǒng)也是今后重要的研究方向。[8] 盧春雨、張長水、聞芳、閻平凡：《基于區(qū)域特征的快速人臉檢測法》，清華大學(xué)學(xué)報（自然科學(xué)版），1999年