《基于adaboost算法的人脸检测人脸检测毕业设计》由会员分享，可在线阅读，更多相关《基于adaboost算法的人脸检测人脸检测毕业设计（26页珍藏版）》请在金锄头文库上搜索。
1、摘要模式识别中的一个重要分支人脸识别是当今计算机视觉领域的非常要重的研究方向，同时人脸识别是应用于各个领域的用于身份识别的有效技术手段，在图片或者视频中对人脸的检测是人脸识别的基础，一种高精度的人脸识别技术必须先在图像或者视频中先将人脸定位而后才能够做到有效的人脸识别。所以说人脸检测在人脸识别领域是非常重要的基础研究领域。经过多年来，计算机相关领域的不断发展，人们已经掌握了不少的有关的比较成熟的理论和技术。在本文中，我们首先介绍有关模式识别的基础知识，模式识别是人脸识别的基础，对模式识别的理解和熟悉有助于我们对人脸识别更加深刻的认识。接着，我们开始回顾人脸识别技术起源、发展历程，这个过程我们可
2、以把它归纳性的划分为三个阶段。再接着，我们开始介绍各种主要的人脸识别技术，人脸识别的技术主要包括：No.1 几何特征的人脸识别方法；No.2基于特征脸的人脸识别方法；No.3神经网络的人脸识别方法；No.4弹性图匹配的人脸识别方法；No.5线段距离的人脸识别方法；No.6支持向量机的人脸识别方法。 紧接着，我们我们介绍几种主要的人脸识别算法，主要分为：基于人脸特征点的识别算法、基于整幅人脸图像的识别算法、基于模板的识别算法、利用神经网络进行识别的算法。 然后，我们开始介绍本次设计主要使用的人脸检测算法adaboost算法，以及相关知识haar矩形特征和积分图。 最后，我们利用opencv对基于
3、adaboost算法的人脸检测技术进行实现。关键词：人脸识别 人脸检测 adaboost haar特征ABSTRACT An important branch of pattern recognition - Face recognition is today very weight of the field of computer vision research direction, at the same time face recognition is used in various fields of effective techniques for the identificatio
4、n, in pictures or videosface detection is the basis for face recognition, a high precision face recognition technology must be in the image or video first face location before we can achieve effective face recognition. So face detection is a very important field of basic research in the field of fac
5、e recognition. After years, the continuous development of computer-related fields, people have mastered a lot of the more mature theory and technology. In this article, we first introduce the basics of pattern recognition, pattern recognition is the basis of face recognition to help our face recogni
6、tion deeper understanding, pattern recognition, understanding and familiar. Next, we began reviewing the origin of face recognition technology, the course of development, a process that we can put it inductive divided into three stages.Next, we began to introduce a variety of face recognition techno
7、logy, face recognition technologies include: No.1Geometric features face recognition; No.2 face recognition method based on the characteristics of the face; No.3 neural network face recognition methods; the No.4 elastic graph matching face recognition method; No.5 line distance face recognition meth
8、od; No.6 support vector machine face recognition method.Then, we introduce several major face recognition algorithm is divided into: recognition algorithm based on facial feature points, based on a whole lot of face image recognition algorithm, template-based recognition algorithm using neural netwo
9、rk identification algorithms.Then, we begin with the design face detection algorithm - AdaBoost algorithm, as well as knowledge - Haar rectangular features and integral image.Finally, we use the OpenCV face detection technology based on AdaBoost algorithm implemented.Keywords: Face Recognition; Face
10、 Detection; Ada-Boost; haar feature; 1模式识别基础1. 1模式识别的定义：通过对表征各种事物或者现象的各种主要的形式的信息进行分析和处理，以对这些事物或者现象进行符合需求精度的描述、辨认、分类以及解释的过程。1.2模式识别的应用领域：模式识别是信息科学与人工智能的一个交叉研究领域，主要应用在：数字图像分析处理、语音识别、语音通信、数据挖掘，CAD（计算机辅助诊断）1.3模式识别的主要方法：1、决策理论方法（统计方法） 2、句法方法（结构方法）决策理论方法基本思想：首先对识别对象进行数值化，接着进行特征提取，把输入模式从对象空间射映到特征空间，这是特征空间中
11、的一个点或一个特征矢量就可以表示一个模式。 句法方法基本思想：把一个模式描述为比较简单的子模式的组合，接着把简单的子模式描述为更简单的子模式，最终得到一个树形结构的描述，最简单的子模式称为模式基元。通过匹配是否符合一个特定的模式语法来识别一个模式。1.4模式识别的过程：可观察的客观世界，往往包含了非常大量的维数，这时候我们通过模式采集，提取出，我们主要关注的有限个数的维数，这时，这个客观对象，我们把它称为模式空间，再接着通过特征提取，把模式空间变换为特征空间，比如，颜色、重量、价格，这是特征空间中的一个点或者有限图形可以表示一个模式，比如颜色为红色，重量为30kg，价格为1000￥就可以表示一
12、个特定对象。1.5模式识别中的三种主要的空间：模式空间、特征空间、类型空间；模式空间：一个可以观察的对象，所观察得到的数据；特征空间：从所观察得到的数据中提取出主要能反映这个对象的主要属性的主要特征，这个主要特征就叫做特征空间；类型空间：在特征空间中把一些样本区分为一个类型，这些类型的集合就叫做类型空间1.6模式识别pattern recongintion的系统构成：两种模式识别方法(统计方法、结构方法），模式识别系统的两个过程：设计与实现；所谓设计：即是选取一定量的样本，对分类器进行训练；所谓实现：就是用已经设计好的分类器对待识别的样本进行分类决策。我们主要讨论基于统计方法的模式识别的系统构
13、成，其主要的组成为：信息获取、预处理、特征提取和选择、分类决策，其表示如下图： 此图演示了模式识别的过程1.7信息获取的概念：计算机通常使用一些可以进行运算的符合来表示所研究的对象，以便于使计算机能够处理各种模式识别的问题。对于一个特定的对象，计算机一般可以通过以下三种方式来描述： No.1物理参数或者逻辑值 No.2一维波形图，机械震荡波形，无线电波形等等 No.3二维图形，比如图片，照片，文字，几何图形等等通过一些特定的仪器对特定的观察对象进行测量，抽样，量化的过程，我们可以使用矩形或者向量等数学符号来表示物理参数、逻辑值、一维波形图、二维图形1.8预处理的概念：预处理能够滤除不需要的信息
14、，如噪声，加强有用的信息，并且能够对由于使用测量仪器或者其他的外在客观因素所造成的退化现象进行复原处理。1.9特征提取和选择：一张未压缩的图片或者一维波形图一般包含了相当大量的数据信息。比如一张未经过压缩的高清照片，其所占用存储量高达几十MB，又比如卫星遥感图像，其所包含的数据更是非常的膨大，如此大量的数据要想进行有效的模式识别是很困难的，这个时候我们就应该对原始数据进行有效的变换，得到最能够反映这个对象的本质的特征，而这个变换的过程，我们称之为特征提取和选择。1.10分类决策：我们使用统计方法对特征空间中需要被识别的对象归纳为一个特定的类别，这个过程被称之为分类决策；分类决策的主要步骤是：首
15、先在一个样本练训集上定确出一个判决则规，通过修改阈值的上下限，使得这种判决则规对被识别的对象进行分类所造成的误错识别率最小或引起的损失损最小。1.11模式识别中的图片识别问题：由于人类的视觉的物理基础尚且未被人类很好的认识，所以这也是图片识别中我们所必须正视的挑战；与此同时，视觉错觉也是我们必须面对的一个很复杂的高级的问题，除此以外视觉过程中还涉及一些精神过程，所以目前我们的图片识别的方法可能是非常不完善的。1.12模式识别中的图片识别的主要步骤：1.对图片进行采样量化，如将一张图片转换为一个数组。2.图片分割：按一个图片中的色彩、纹理是否一致来确定出一个对应的区域。3.物景分析处理：通过图片分割所产生的区域的修改或者合并等处理，可以对一个区域确定为一个对象物体。4.形状描述：一个被确定的物体通过编码后得到一个反映其形体状貌的定量得结构。5.物体描述：即对一个物体进行分类，有简单分类和用语言进行描述的分类，比如：一个物体可以把它归纳为girl类，又比如一个物体可以通过语言进行描述，把它归纳为有颜色为白色，形状为圆形的物体。此过程中步骤1为数字信号处理的范围；步骤2图片分割使用了图像处理和模式识别两者的技术来进行处理。1.13模式识别的总结：模式识别亦又人
