一种人脸马赛克算法的研究与实现

摘要

人脸马赛克是指在一个视频或者一幅图像中进行人脸检测，然后对检测确定存在的人脸部分进行马赛克处理，确认图像中是否存在人脸，实现人脸检测是人脸马赛克的首要重要环节。近年来随着人脸检测的广泛应用和计算机技术的发展，人脸检测算法层出不穷，级联Adaboost算法以其高效性和快速性在众多人脸检测算法中脱颖而出。级联Adaboost算法是由PaulViola和Michael Jones在2001年提出的一种快速人脸检测算法，它的提出对人脸检测技术的发展起着举足轻重的作用。
　　本文对级联Adaboost算法进行了详细的分析，主要研究如下:
　　(1)本文对常见的几种人脸检测方法进行了分类，同时概述了人脸图像预处理的方法和步骤:高斯去噪，灰度处理、尺度变换和直方图均衡化。
　　(2)本文对级联Adaboost算法的原理和训练过程进行了详细描述，同时介绍了Adaboost算法的Haar特征、弱分类器、强分类器等概念，简单而言，Adaboost算法是一种弱分类器提升算法，它通过训练足够多的样本和足够多的特征，即可以将训练出的分类器的误检率降至无限接近于零。
　　(3)针对现有人脸马赛克方法处理速率缓慢的问题，本文提出一种动态自适应调整Haar检测函数阈值的人脸马赛克算法。
　　(4)本文结合OpenCV开源计算机视觉库与AdaBoost人脸检测算法，选取扩展的Haar特征，将高效快速的人脸检测及马赛克处理变为现实。
　　本文提出的动态自适应调整Haar检测函数阈值的方法，将人脸检测率提升至95.47％，图片处理时间约为2.4ms/frame，实现了高效快速的人脸检测和马赛克处理，同时该算法计算复杂度低且具有较好的稳定性，可广泛用于人脸马赛克处理中。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 人脸检测技术研究现状

1．3 论文研究内容和组织结构

第2章 人脸检测方法分类与图像预处理

2．1 人脸检测方法分类

2．1．1 基于知识的人脸检测方法

2．1．2 基于模板匹配的人脸检测方法

2．1．3 基于统计学习的人脸检测方法

2．2 图像数据预处理

2．2．1 高斯去噪

2．2．2 灰度处理

2．2．3 尺度变换

2．2．4 直方图均衡化

2．2．5 利用OpenCV实现人脸图像预处理

2．3 人脸检测评价标准

2．4 本章小结

第3章 级联AdaBoost算法

3．1 AdaBoost算法介绍

3．2 分类器的训练

3．2．1 弱分类器训练与选取

3．2．2 强分类器的训练

3．3 级联分类器

3．4 本章小结

第4章 改进型类Haar特征与级联AdaBoost算法

4．1 类Haar特征

4．1．1 类Haar特征概述

4．1．2 类Haar特征计算方法

4．2 积分图

4．3 改进型类Haar特征提取

4．4 级联AdaBoost算法

4．5 马赛克效果

4．6 本章小结

第5章 人脸马赛克系统设计与实验分析

5．1 人脸马赛克系统设计

5．2 测试数据与环境配置

5．2 程序测试结果与分析

5．2．1 程序测试结果

5．2．2 实验数据分析

5．3 本章小结

第6章 总结与展望

6．1 本文工作总结

6．2 展望

参考文献

致谢