基于Adaboosting算法的视频人脸检测技术与实现

摘要

随着人脸检测技术的深入研究，各式各样的检测算法被提出，影响人脸检测的不利因素逐渐被专家学者所克服，人脸检测的准确度不断被刷新，人脸检测的所用的时间不断缩小，但也很难对视频中的图像进行快速的人脸检测。本文设计了一个视频中的人脸检测原型系统，它能完成静态图像、视频图像中的人脸检测，并将检测到的人脸进行标记显示出来。
　　本论文人脸检测系统主要分为四个部分：1）图像预处理及肤色分割；2）人脸区域预判定；3）扩大人脸检测算法的训练样本；4）根据视频的帧率和当前图像的检测时间动态地确定下一待检帧的位置。
　　本论文将RGB空间转换到YCbCr空间，采用肤色分割，对人脸区域进行判定，确定包含人脸的矩形区域，使用Adaboosting算法包含人脸的矩形区域进行检测。由于在样本训练中加入一定数量的人脸局部图片，训练后的人脸检测算法能对人的部分侧脸进行检测，使得人脸的检测准确度在平均的情况下能达到80％以上。经过预处理后的人脸检测时间也大大减小，在当前个人计算机的硬件配置下，对于300?500 px范围内的图像，人脸检测的平均时间约为60ms，结合视频帧的动态确定方法，能够满足视频中人脸检测的实时性的要求。
　　原型系统采用C++编程语言，结合OpenCV函数库来完成。使用不同的静态图像和视频文件对系统进行测试。实验结果表明，该系统对图像质量较差的图像表现出较好的鲁棒性，人检检测结果的准确性表现良好且能将部分侧脸检测出来。该系统对实时人脸检测有较高的参考价值，具有一定的应用前景。

目录

封面

声明

目录

中文摘要

英文摘要

第一章 绪论

1.1 研究的背景及意义

1.2 国内外研究现状与发展趋势

1.3 论文研究的内容及章节安排

第二章 视频中图像的预处理及人脸检测方法

2.1 直方图均衡化

2.2 中值滤波

2.3 视频中的人脸检测方法

2.4 OpenCV介绍

2.5 本章小结

第三章 基于Adaboosting算法的人脸检测

3.1 Adaboosting算法介绍

3.2 积分图像及Haar分类器

3.3 肤色分割预处理

3.4 人脸区域的确定

3.5 实验结果及结果分析

3.6 本章小结

第四章 系统的设计

4.1 系统概述

4.2 系统的需求分析

4.3 系统的概要设计

4.4 系统的详细设计

4.5 本章小结

第五章 系统的实现及测试

5.1 加载文件模块的实现

5.2 视频图像预处理模块的实现

5.3 人脸区域确定模块的实现

5.4 人脸检测模块的实现

5.5 检测结果输出模块的实现

5.6 视频分帧模块的实现

5.7 系统测试

5.8 本章小结

第六章 总结与展望

6.1 总结

6.2 前景展望

致谢

参考文献

附录