基于AdaBoost算法的人脸检测方法综述毕业设计论文 下载本文

中国矿业大学毕业设计指导教师评阅书

指导教师评语(①基础理论及基本技能的掌握;②独立解决实际问题的能力;③研究内容的理论依据和技术方法;④取得的主要成果及创新点;⑤工作态度及工作量;⑥总体评价及建议成绩;⑦存在问题;⑧是否同意答辩等):

成 绩:

指导教师签字: 年 月

中国矿业大学毕业设计评阅教师评阅书

评阅教师评语(①选题的意义;②基础理论及基本技能的掌握;③综合运用所学知识解

决实际问题的能力;③工作量的大小;④取得的主要成果及创新点;⑤写作的规范程度;⑥总体评价及建议成绩;⑦存在问题;⑧是否同意答辩等):

成 绩:

评阅教师签字: 年 月

中国矿业大学毕业设计答辩及综合成绩

答 辩 情 况 回 答 问 题 提 出 问 题 正 确 基本 正确 有一般性错误 有原则性错误 没有 回答 答辩委员会评语及建议成绩: 答辩委员会主任签字: 年 月 日 学院领导小组综合评定成绩: 学院领导小组负责人: 年 月 日

摘 要

人脸识别是当今模式识别领域的热门研究课题,是辨识身份的重要手段。而人脸检测是人脸识别的前提和基础,只有先将图像和视频中的人脸准确定位出来才能对其进行有效识别。人脸检测问题在通用目标检测领域有其重要的研究意义。

在本文的前三章中,我们重点介绍了基于学习的人脸检测流程,并以此引出了基于学习的人脸检测算法的代表——基于AdaBoost人脸检测方法,AdaBoost算法是1995年提出的一种快速人脸检测算法,是人脸检测领域里程碑式的进步,这种算法根据弱学习的反馈,适应性地调整假设的错误率,使在效率不降低的情况下,检测正确率得到了很大的提高。

在第四章,我们介绍了影响AdaBoost训练算法的两个重要因素:haar矩形特征与积分图,同时,我们还对haar矩形特征进行了扩展,由原先的5个扩展到15个,使其更加完备,能够应对更广范围内的人脸检测问题。

在第五章,我们介绍了分类器训练级联的方法和AdaBoost算法的详细流程。对传统的弱分类器构造方法提出了改进,将原先的一个适应性阈值上升为上下限两个阈值。

在第六章,我们介绍了基于OpenCV AdaBoost人脸检测方法的实现,重点阐述了基于OpenCV人脸分类器的训练方法。

在文章的最后,我们对该设计方案做出了总结,并对未来人脸检测的研究方向做出了展望。

关键词:人脸检测; 积分图; haar特征; AdaBoost; 分类器级联