资料下载
openCV人脸检测系统的设计方案探究
分享资料个
摘要： 通过对基于 Adaboost 人脸检测算法的研究，利用该算法与计算机视觉类库 openCV 进行人脸检测系统的设计，实现了对出现在视频或图像中的人脸检测。 此外，在 VC++6.0 环境下实现了对一个简单的人脸检测系统软件的界面开发，该系统对人脸检测的速度较快，检测结果较为准确，可以作为其他人脸检测或人脸模式识别的系统的开发基础。
随着计算机与数字信号处理技术的高速发展，人脸检测
技术在众多领域得到广泛应用。 人脸检测技术是指在视频或
图像中检测出现人脸位置、大小的过程。 作为人脸信息处理
中的一项关键技术，人脸检测技术已经超出了其它人脸识别
模式的应用范畴，在视频处理，图像处理，身份验证，安全监
测等方面有着重要的应用价值。 随着计算机语言算法的发
展，近年来出现了大量的人脸检测的算法，其中，能够较好的
解决人脸的检测速度与检测效果的算法， 是在 2001 年由Paul
Viola 和 Michael Jones 首先提出的 Adaboost 算法。 openCV［1］是
由 Intel 提供的一系列包括 C 与 C++的提供计算机视觉和图
像处理的开源软件包，它为视频或图像处理搭建了很好的软
件平台。 本系统就是基于 openCV，利用 Adaboost 算法设计的
一个简单的人脸检测系统，该系统能够快速、准确的检测到
图像或视频中的人脸。
1 AdaBoost 人脸检测算法
对人脸检测的研究最初可以追溯到 20 世纪 70 年代 ，早
期的研究方向与现在的研究方向与方法不同。 目前在实际
中应用的人脸检测方法较为普遍的是基于 Adaboost 算法的
方法。
Viola 的人脸检测方法是一种基于积分图、级联分类检测
器和 Adaboost 算法的方法，方法框架可以分为以下 3 大步骤：
1）使用 Haar-like 特征表示人脸 ，使用 “积分图 ”实现特
征数值的快速计算；
2）使用 Adaboost 算法挑选出一些最能代表人脸的矩形
特征（弱分类器），按照加权投票的方式将弱分类器构造为一
个强分类器；
3）将得到的若干强分类器串联组成一个级联结构的层
叠分类器，训练得到的强级联结构能有效地提高分类器的检
测速度。
1.1 Haar-like 特征
haar 特征是基于灰度图 ，首先通过大量的具有比较明显
的 haar 特征 （矩形 ）的物体图像用模式识别的方法训练出分
类器，分类器是个级联的，每级都以大概相同的识别率保留
进入下一级的具有物体特征的候选物体，而每一级的子分类
器则由许多 haar 特征构成 （由积分图像计算得到 ，并保存下
位置），有水平的、竖直的、倾斜的，并且每个特征带一个阈值
和两个分支值，每级子分类器带一个总的阈值。 识别物体的
时候 ，同样计算积分图像为后面计算 haar 特征做准备 ，然后
采用与训练的时候有物体的窗口同样大小的窗口遍历整幅
图像，以后逐渐放大窗口，同样做遍历搜索物体；每当窗口移
动到一个位置 ，即计算该窗口内的 haar 特征 ，加权后与分类
器中 haar 特征的阈值比较从而选择左或者右分支值 ，累加一
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
