【正文】 ，直接導致AdaBoost算法訓練過程極為費時，這恰恰是算法需要改進的關鍵問題之一。每一個Haar特征都對應著一個弱分類器，每一個弱分類器都是根據(jù)它所對應的Haar特征的參數(shù)來定義的。利用上述Haar特征的位置信息，對訓練樣本進行統(tǒng)計就可以得到對應的特征參數(shù)。AdaBoost算法中所訓練的弱分類器是任何分類器，包括決策樹，神經網絡，隱馬爾科夫模型，如果弱分類器是線性神經網絡，那么AdaBoost算法每次將構造多層感知器的一個節(jié)點。AdaBoost算法訓練過程就是挑選最優(yōu)弱分類器，并賦予權重的過程。. 本章小結本章主要講了人臉識別常見算法以及人臉識別算法的原理，有二維人臉識別算法和三維人臉識別算法。二維人臉識別算法有基于模版匹配的方法、基于奇異值特征方法、子空間分析法、主成分分析法（PCA）、積分圖像特征法（AdaBoost）。AdaBoost算法應用于人臉檢測中,其基本思想是針對不同的訓練集訓練同一個分類器，然后把這些不同訓練集上的得到的分類器聯(lián)合起來，構成一個最終的強分類器。5. 原型系統(tǒng)實現(xiàn)1.2.3.4.5.5.. 系統(tǒng)模塊劃分該系統(tǒng)共分為六個功能模塊：（1）圖像獲取模塊。該模塊主要是從攝像頭捕捉到的或者用戶設定的路徑獲取圖片，隨后能夠在用戶的軟件的界面當中顯示出來。（2）圖像預處理模塊。圖像預處理就是對獲取的圖像進行適當?shù)奶幚?，使得無用信息被剔除，有用信息被保存并增強效果。（3）人臉區(qū)域獲取。該模塊主要是從獲得的圖像中檢測發(fā)現(xiàn)是否有人臉的存在并將人臉區(qū)域用綠色圓圈圈出來。（4）人臉定位模塊。人臉定位是將描述人臉特征的關鍵點（如兩眼中點、鼻尖、嘴角等等）標記出來。利用眼睛的對稱性以及五官之間的相對關系可以迅速的定位各器官。（5）特征提取模塊。再找到眼睛嘴巴的中心以及鼻尖位置之后，要計算出兩眼之間的距離以及眼睛的傾斜度。接著用矩形標出每一個特征。隨后用特定算法來標定特定值并存入后臺數(shù)據(jù)庫。（6）識別模塊。將后臺數(shù)據(jù)庫中的特定值與人臉數(shù)據(jù)庫中的數(shù)據(jù)進行比對，確定與該特征值最接近的參數(shù)，如果該參數(shù)在允許誤差范圍內就可以認為其與人臉數(shù)據(jù)庫中的某個信息相匹配。接著從人臉庫中提取出該人的相關信息，并顯示出來。如果不在誤差范圍內，那么就認為是新的人臉，并會提示是否存入新的人臉庫。. 模塊實現(xiàn)4.... 系統(tǒng)運行流程圖：圖像預處理檢測有無人臉對人臉進行定位并標出關鍵部位啟動系統(tǒng)進入人臉檢測界面點擊攝像鍵拍照保存特征提取對比識別退出 系統(tǒng)運行流程圖. 系統(tǒng)的功能界面 （1）系統(tǒng)的主界面。系統(tǒng)的主界面主要有四個按鈕組成。點擊第一個就可以人臉識別與檢測的進程了。點擊第二個進入人臉庫管理界面，實現(xiàn)對人臉庫的添加刪除等操作。第三個按鈕和第四個按鈕的功能分別是進行日志管理和退出系統(tǒng)。 系統(tǒng)主界面（2）人臉庫界面。在人臉庫管理界面，可以添加、刪除、修改人員信息的操作，也可以自動或者手動提取人臉特征，以及進行人臉訓練。（3）檢測與標注界面。系統(tǒng)功能包括人臉檢測、特征標注、特征提取、人臉識別四個部分。啟動系統(tǒng)后進入人臉檢測界面，、圖像預處理、特征標注、特征提取等步驟。特征提取與人臉識別在特征標注完成后進行的，而且是自動的無需手動。 檢測與標注界面在啟動系統(tǒng)后可以手動載入指定圖像，也可以由攝像頭自動載入圖像。首先檢測圖片中是否有人臉存在（用到了AdaBoost算法），如果沒有那么就提示用戶手動輸入或者是否等待攝像頭讀入。接著對圖像進行預處理（比如灰度化等），然后將人臉大致范圍用圓圈圈出來。最后就可以進行邊緣提取和特征標注了。. 實驗結果及分析本文采用adaboost算法來實現(xiàn)對人臉的檢測，其重點在于對弱分類器的選取。所以在前期訓練的時候，訓練樣本集的選取就顯得很重要。本文使用MIT樣本庫，它有人臉樣本2052張，非人臉圖片5021張。此樣本庫中，各樣本尺寸相同，只將正面、正向、無遮擋的人臉圖片歸入人臉圖片訓練集。用本庫訓練出來的強分類器只對此類圖片敏感。由于特征數(shù)量過于巨大，所以在訓練的時間空間成本都非常巨大。必須進行優(yōu)化。為了提高訓練速度只能減少特征數(shù)量，可以在特征生成階段，人為地提出剔除，或者在訓練階段動態(tài)的減少。圖 檢測結果該圖總數(shù)15/漏檢0/錯檢5. 本章小結本章介紹人臉識別系統(tǒng)原型的實現(xiàn)，共劃分為六個模塊：圖像獲取模塊、圖像預處理模塊、人臉區(qū)域獲取模塊、人臉定位模塊、特征提取模塊和識別模塊。接著介紹原型系統(tǒng)的實現(xiàn)，首先啟動系統(tǒng)進入人臉檢測界面，點擊攝像鍵攝像并保存，對圖像預處理檢測有無人臉，對人臉進行定位并標出關鍵部位，提取特征與數(shù)據(jù)庫中的特征進行對比識別身份。 總結與展望本文討論了人臉檢測的研究背景、研究意義、發(fā)展前景。主要介紹了人臉識別的方法、人臉檢測的常見算法。最后，采用了AdaBoost算法實現(xiàn)了基于OpenCV的人臉檢測系統(tǒng)。人臉檢測在國防軍事、防火防盜、制度考勤、身份識別等方面有著重要的應用。但是該技術仍然不夠成熟，在思想和算法上面還需要不斷的改進，以提高識別的準確率。隨著對人臉識別技術的不斷深入研究，我相信人臉識別技術在不久的將來一定能夠得到更廣泛的應用。本次畢設我收獲很大，喜不勝收，希望今后能夠學習相關知識，更加深入的學習幾種編程語言，多做實際項目，將理論用于實踐，以便提高自己的綜合素質。參考文獻[1] 周德華,毛敏峰,[J]，電視技術，2005，275(5)：88～90．[2] 王偉。張佑生。方芳。人臉檢測與識別技術綜述[J]. 2006,5[3] 高建坡，王煜堅，楊浩等．一種基于KL變換的橢圓模型膚色檢測方法[J]．電子與信息學報．2007，V01．29，No．7． [4] 李剛，高政、人臉自動識別方法綜述、計算機應用研究、2003, Vol 8:49[5] 高建坡，王煜堅，楊浩等．一種基于KL變換的橢圓模型膚色檢測方法[J]．電子與信息學報．2007，V01．29，No．7．[6] 高建坡．視頻序列中的人臉檢測與跟蹤算法研究．東南大學博士學位論文．2007，3．[7] 基于五官特征定位的人臉識別技術在防盜門中的應用[D]中國海洋大學：2006[8] Huang F J，Chen T．Tracking of multiple faces for human—puter interfaces and virtualenvironments[C]．IEEE Intl．Conf．on Multimedia and Expo．New York，July 2000．[9] 張翠平,蘇光大人臉識別技術綜述中國圖像圖形學報[J]2000 年11 期[10] Viola P，Jones M．Rapid object detection using a boosted cascade of simple feature[c]．In：Proceedings of IEEE Conference on Computer Vision and Pattern Recognition，Kauai，Hawaii，USA，2001，1：I51l518 [11] Viola P.，Jones M. J.、Robust RealTime Face Detection、International Journal of Computer Vision 57(2), 137154, 2004[12] 張宏林. visual C++ 數(shù)字圖像模式識別技術及工程實踐. 北京：人民郵電出版社，2003年425