毕业论文

打赏
当前位置: 毕业论文 > 计算机论文 >

OpenCV复杂场景人脸图像检测方法研究

时间:2019-03-09 14:08来源:毕业论文
研究复杂场景人脸图像检测的各种方法及相关技术。设计和实现了一种基于特征计算和Adaboost特征选择结合的人脸检测算法。算法使用Haar-like特征分类器实现人脸检测,利用分类器级联,

摘要人脸检测是计算机视觉领域和模式识别领域研究的一个重要课题,目的就是在图像背景中将人脸检测出来。但由于人脸自身条件和所处环境,如脸的肤色、面部表情、脸上的遮挡物以及拍摄角度、光照强度等的影响,人脸检测仍然存在一定的误差,依然是一项有挑战性的研究。33698
本文研究复杂场景人脸图像检测的各种方法及相关技术。设计和实现了一种基于特征计算和Adaboost特征选择结合的人脸检测算法。算法使用Haar-like特征分类器实现人脸检测,利用分类器级联,提高检测准确率。基于OpenCV算法库,在VS2010编程环境下实现了完整的算法框架、优化流程和人脸检测验证系统。实验验证了人脸检测算法的有效性。
关键词  人脸检测  特征计算  Adaboost  Haar-like特征  分类器级联
毕业论文设计说明书外文摘要
Title    A Study of the Face Image Detection in Complex Scenes
Abstract
Face detection is prior part of face recognition. It is an important topic in computer vision and pattern recognition research whose purpose is to detect face from in the image background. However, there are still some errors in face detection due to the impact of the face’s own conditions and surroundings, such as the face color, facial expression, face obstruction, shooting angle and light intensity. Face detection remains a challenging research.
In this article, I study various methods for face image detection in complex scenes and related technologies. I designed and implemented the face detection algorithm which is based on a combination of feature calculation and Adaboost feature selection. The algorithm uses Haar-like feature classifiers to implement face detection, uses classification cascaded to improve detection accuracy. Based on OpenCV algorithms library, I achieved a complete algorithm framework, optimize processes and face detection verification system in VS2010 programming environment. Finally I made some experiments to demonstrate the effectiveness of the face detection algorithm. 源`自*六)维[论*文'网www.lwfree.cn
Keywords  Face Detection  Feature Calculation  Adaboost  Haar-like Features  Classifier Cascade
目   次
1  引言 1
1.1  课题来源及研究意义 1
1.2  课题研究现状 2
2  人脸检测方法 3
2.1  基于知识的方法 3
2.2  特征不变量方法 4
2.3  基于模板匹配的方法 4
2.4  基于外观的方法 5
2.5  基于统计的方法 6
2.6  人脸检测的评价指标 8
3  Viola-Jones人脸检测器 9
3.1  Haar-like特征 9
3.2  Adaboost算法 13
3.3  级联分类器 16
4  人脸检测系统实现 18
4.1  OpenCV简介 18
4.2  系统功能分析 18
4.3  系统运行与测试 19
4.4  系统分析与评价 19
结论  25
致谢  26
参考文献27
图   例
图2.1  Sung 和Poggio提出的聚类模型 6
图3.1  Viola等人提出的Haar-like特征模式 9
图3.2  45°方向的Haar-like特征 10
图3.3  0°矩形积分图像 11
图3.4  0°矩形公式图形 11
图3.5  45°方向矩形积分图像 12
图3.6  45°方向矩形公式图形 13
图3.7  Adaboost算法流程图 16
图3.8  级联分类器结构 17
图4.1  OpenCV的基本结构 18
图4.2  系统界面 19
图4.3  系统运行效果 19
图4.4  使用不同分类器实验结果 20
图4.5  不同min_neighbors参数实验结果1 20
图4.6  不同min_neighbors参数实验结果2 21
图4.7  Yale人脸数据库检测示例 21
图4.8  ORL人脸数据库检测示例 22 OpenCV复杂场景人脸图像检测方法研究:http://www.lwfree.cn/jisuanjilunwen/20190309/30937.html
------分隔线----------------------------
推荐内容