人脸检测毕业设计演讲稿课件.ppt

基于AdaBoost的人脸检测院系:计算机学院专业:电子信息科学与技术答辩人:赵梓宇指导老师:梁志贞人脸检测是指在输入图像或动态的场景中确定所有存在的人脸的位置、大小、数量等的过程。由于受图像背景、亮度变化及人的头部姿势等因素的影响,使得人脸检测成为一项复杂的、具有挑战性的研究课题。,利用开源计算机视觉库OpenCV实现了图像人脸检测,采用的核心算法是AdaBoost学****算法。实验表明本文研究的人脸检测方法具有检测速度快、精度高、实时性好的特点,具有一定的理论价值与实用价值。,研究了各种人脸检测算法的实现原理。利用OpenCV基本函数和VC++开发环境编程,采用Adaboost算法和haar矩形特征构建人脸检测级联分类器,开发人脸检测系统界面,实现人脸检测和跟踪。总结分析系统的检测性能,首先对各个检测参数改变对人脸检测的影响进行了探讨,其次对影响性能的外界因素如光照、遮挡等进行分析,以改进系统性能。(puterVisionlibrary)是Intel公司开发的图像处理和计算机视觉开放源码库,它由一系列的C函数和C++类组成,实现了图像处理和计算机视觉方面的很多通用算法。OpenCV主要用于对图像进行一些高级处理,如特征检测与跟踪、运动分析、目标分割与识别以及3D重建等。由于OpenCV源代码完全开放,而且源代码的编写简洁而高效,且代码执行效率高,所以近年来在国外的图像处理相关领域中被广泛地使用,成为一种流行的图像处理软件包。,它是人脸检测领域的程碑式进步,其核心思想是针对同一个训练集训练不同的分类能力一般的弱分类器,然后把这些弱分类器集合起来,构成强分类器。AdaBoost算法具有检测速度较快、检测效率高的特点,它是把弱分类器采用级联的方式训练成为强分类器的迭代方法。AdaBoost算法详解: ; ,通过对这个样本的学****得到第二个弱分类器; ,通过对这个样本的学****得到第三个弱分类器; 。分类器训练过程分类器的检测过程AdaBoost算法采用的特征空间--haar特征人脸部的具体特征对人脸检测是有重要意义的。我们可以发现人脸的某些区域比其他区域在图像上呈现的色彩更深。例如,通常,眼睛要比脸颊颜色更深;鼻梁两侧要比鼻梁颜色要深;嘴巴要比周围颜色更深。因此,我们可以选用不同数量的明暗区域组合,来检测人脸的具体特征。如下图所示,我们用如图的矩形组合去检测人脸。