基于OpenCV的中远距离人脸检测 计算机专业.doc

题 目 基于OpenCV的中远距离人脸检测 摘 要 人脸检测技术，是指利用计算机采用一定的算法或者策略，在动态或者复杂的场景、背景中检测出人的脸部的存在，并确定人脸的位置、大小以的技术。作为人脸识别、表情识别、人脸跟踪等技术的基础和前提技术，人脸检测技术在智能控制、模式识别等其他领域也引起了广发的重视。 本论文主要介绍的是基于OpenCV的人脸检测应用程序的开发，简单介绍了国内外人脸识别技术研究及应用的发展现状及其重难点分析。 在第二章重点分析了AdaBoost算法中集成机器学习的一个重要机制：多个弱分类器集成的方法，机器学习中的弱学习到强学习，集成的关键是投票，最简单的方法是“绝对多数”的方法，详细分析了AdaBoost算法检测速度快、可以检测任意尺度的图像的特点。 本人开发的人脸检测和识别软件是基于OpenCV的Haar级联分类器进行人脸识别，通过对OpenCV开源代码的研究学习，掌握了OpenCV提供的重要的图像分析和处理函数以及基础的数据类型、帮助的数据类型，并Visual C++集成开发环境做平台下搭建了基于OpenCV的人脸检测系统。通过对实例空间内大量图像内对目标区域即人脸的识别，证明了利用Harr级联分类器来进行人脸检测和识别的方法是一种速度快、精度高的方法。 关键字：人脸检测；AdaBoost；分类器；OpenCV ABSTRACT Human face detection means that for a given image or video，to determine whether it contains face regions，if so，determines the number, the exact location and the size of all the faces．Human face detection is not only a necessary precondition of face recognition，expression recognition technology, face tracking，but also，it plays ail important role in applications like in the intelligent human-computer interaction，video conferencing，intelligent surveillance，video retrieval and so on．Therefore，face detection technology attracted widespread attention in pattern recognition，computer vision，human-computer interaction and other fields． This paper mainly introduces the number of face detection application program which is based on the OpenCV. This paper describes the national and international recognition technology applications research and development and analysis the difficult situation. In chapter 2 on the analysis of the AdaBoost algorithms integration of machinery to study of an important mechanism : more integrated approach in the classification of the study of study at the learning and integration is the key to the vote, the simplest method is the absolute majority . Also, detailed analysis AdaBoost algorithm test speed, you can detect any scale the image quality. I developed the application program by using the Haar cascade classifier of the OpenCV for face recognition. The so-called Haar cascade classifier is a greater level of classifier which is associated with several simple boost classifiers, the detected targets pass through each classifier, the one who passed through all he classifiers can be judged as the face region. By the experiment of sample photos recognition, it proved that the Harr cascade classifier face-detection method is a kind of high speed and precision method. This paper’s research is based on the OpenCV source code，in which some basic data type and helping data type were created，and because of the opermess of the code，we build a human face detection system in the Visual C++ environment. Key words: face detection ; AdaBoost ; classifier ; OpenCV 目 录 1. 概述 1 1.1 引言 1 1.2概念介绍 2 1.3 研究现状 3 1.4 应用领域 4 1.4 评价标准 5 2. Adaboost人脸检测算法 6 2.1 概述 6 2.1.1 Adaboost算法简介 6 2.1.2 Adaboost人脸检测算法 6 2.2弱学习与强学习 7 2.3 PAC基本模型 8 2.3.1 概述 8 2.3.2 基本概念 8 2.3.3 PAC模型的不足 9 2.4 Boosting算法 9 2.5 Adaboost算法性能分析 10 3. OpenCV训练分类器 11 3.1 OpenCV平台概述 11 3.1.1 OpenCV简介 11 3.1.2 OpenCV函数 11 3.1.3 OpenCV特征 12 3.2 目标检测法 12 3.3 样本的创建 13 3.3.1创建负样本（反例样本） 14 3.3.2创建正样本（正例样本） 14 3.4训练分类器 16 3.5 检测目标 19 3.6创建Haar特征并载入样本 19 3.6.1 载入正样本 19 3.6.2 载入负样本 20 3.6.3 计算Haar特征值并生成XML文件 21 4. 核心实验设计 23 4.1程序流程图 23 4.2关键代码 23 4.3为何增加检测视频记录 25 4.3各个分类器处理结果对比 25 5. 结 论 28 致谢 29 参考文献 30 附录：人脸检测源程序 31 32 1. 概述 1.1 引言 人脸检测（Face Detection）最初来源于人脸识别（Face Recognition）。我们想要在进行人类识别之前，必须要对人脸的位置和大小进行精确的定位，即人脸检测。因此一个实时有效的人脸检测系统在人脸识别中有着重要而不可代替的作用。由于人类基因组合的多样性造成了人类脸部相似的概率大大减小，因此人脸检测与识别更具有直接方面而且友好的优势，也更容易被用户所接受。与此同时，通过对人脸表情的分析，还能够获得其他识别系统不可能获得的资料，因此人脸识别也逐渐称为身份验证的最有力的手段之一。在早期的人脸识别技术中，主要针对一些约束性条件较强的图像进行识别，而忽略了人脸检测技术的研究。 近年来，随着信号处理理论和计算机的出现及其发展，人们开始用摄像机获取环境图像并将其转换成数字信号，用计算机实现对视觉信息的处理，这就形成了计算机视觉。计算机视觉是当前计算机科学中的一个非常活跃的领域，其基本假设是：可以用计算的方式来模拟人类的视觉机制。 人脸的自动识别是一种重要的生物特征识别技术，与其它身份识别方法相比，人脸识别具有直接、方便、友好等特点，因而人脸自动识别问题的研究不仅具有重要的应用价值，而且具有重要的理论意义。 人脸识别通过计算机提取人脸的特征，并根据这些特征从而进行身份验证。人脸与指纹等其他生物特征一样是不可改变的，因此人脸所具有的唯一性、不容易被复制的特性，在进行身份验证时起到了决定性的作用。同时，人脸识别技术具有操作简单方便、结果一目了然、方法隐蔽等优点。人脸识别一般包括三个步骤：人脸检测、人脸特征提取和人脸的识别与验证。其处理流程如图1.1所示。 图1.1人脸识别的一般步骤 1.2概念介绍 所谓人脸检测（Face Detection），是指对于给定的一幅图像，利用计算机并采用一定的算法和策略，在图像中进行搜索，并确定其中是否含有人脸、人脸位置、人脸大小及人脸姿态的技术。因此，人脸检测技术是人脸自动识别系统中的一个重要的关键环节。 1.3 研究现状 人脸检测是一个复杂的极具挑战性的模式检测，其主要的难点有两方面： 一方面，是由于人脸内在的变化所引起： （1）人脸的自身因素。人脸是一个包含五官、毛发等极不规则的复杂待测目标，不同的人脸在形状、大小、颜色、质地等方面都有很大的变化性，某些局部特征具有随机性（如，眼睛等），而且还存在着不同表情的人脸，以及时间间隔产生人脸的变化等，这些都给人脸检测带来难度。 （2）人脸的不同视角。人脸可能以不同视角出现在图像中，造成某些用于检测而需提取的人脸的特征不可见，为了实现检测方法的鲁棒性，还需考虑人脸在各种复杂的背景中、不同方向、角度、尺度等情况下所展现出来的不同表象。 （3）物体的遮挡。图像中其他物体对人脸的遮挡，如眼镜、头发和头部饰物以及其他外部物体等，对中远距离的人脸检测造成一定影响。 另一方面，是由于外在条件变化所引起： （1）成像角度的影响。成像角度的不同能够造成人脸的多姿态，如平面内旋转、深度旋转以及上下旋转，其中深度旋转影响较大。 （2）光照的影响。在中远距离条件下的图像场景会比较模糊，由于光照不均匀，图像中的亮度、对比度的发生变化和阴影，摄像头距离观测人群较远等原因，人脸检测定位比较困难。 （3）图像的成像条件。如摄像设备的焦距、成像距离，图像获得的途径等等。 （4）图像中存在着噪声。检测对象大多是由图像捕捉设备所采集的数字图像或视频中的数字图像序列，所以采集条件特别是关照条件包括光源的方向、明暗、色彩等都会对图像的效果产生很大的影响，进而影响对人脸的检测。 正因为在人脸识别的过程中存在上述的各种各样的问题，因此在实际的检测和识别过程中，当这些因素叠加到一起的时候，情况就变得更加复杂。这些困难都为解决人脸问题造成了难度