人脸检测,级联分类器,积分图
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
国外对人脸检测问题的研究很多，比较著名的有MIT,CMU等；国内的清华大学、中科院计算所和自动化所、南京理工大学、北京工业大学等都有人员从事人脸检测相关的研究。而且，MPEG7标准组织已经建立了人脸识别草案小组，人脸检测算法也是一项征集的内容。随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如IEEE的FG、ICIP\CVPR等重要国际会议上每年都有大量关于人脸检测的论文，占有关人脸研究论文的1/3之多。由此可以看到世界对人脸检测技术的重视。
Key Words: face detection , cascade classifier,Integralimage
第一章
1
随着社会的不断进步，在人机交互技术,访问控制，公安警察部门的刑事侦破，个人的身份识别等领域迫切需要有效的身份检测，而现有的检测方式都有各自无法弥补的缺点:视网膜检测无法确保对人体的安全性,指纹和掌纹检测既不隐蔽又需要被检测者的主动配合,不能满足实际应用的需要,急需一种新的检测方法。而人脸检测具有直接、隐蔽、方便、友好、安全、特征稳定等众多优点,所以得到了广泛的研究。
This thesis briefly elaborate the detection principle of Adaboost algorithm for face detection, the whole detection process includes extraction of rectangle features of the image, rectangular eigenvalues, referencing mechanism integral graph, the training process of weak classifiers, lifting method of strong classifier, and the design mechanism of cascade classifier.This thesis focuses on the analysis of linear asymmetric cascade classifier algorithm, and the corresponding realization. The work is as follows: Linear asymmetric cascade classifier real-time face detection algorithm based on feature classification are analyzed in this thesis. While detecting a, a node’ strong classification can be chosen to detect face.
最后,实现了基于VC6.0,并结合OPENCVI.O机器视觉库的人脸检测系统。系统具有界面友好,操作方便,输入处理图片格式不受限制,适用范围广等特点。
人脸检测，级联分类器，积分图。
Abstract
Face detection is an importantresearch direction and hotspot in the field of pattern recognition and computer vision.Face detection isdirect,concealed,convenient,friendly,secure,andstable,itisstudiedbyalotofpeople, face detection has important applications in face recognition, face tracking, pose estimation, facial expression recognition, image retrieval and digital video, etc.
Face detection software system is made in VC6.0 with OpenCV1.0 Machine Vision Library.Thesoftware isof friendlyinterface,convenientuse,freeinputpictureformat,andextensiveuseetc.
人脸检测，级联分类器，积分图
人脸检测是当前模式识别和计算机视觉领域的重要研究方向和研究热点。人脸检测具有直接、隐蔽、方便、友好、安全、特征稳定等众多优点,得到了广泛的研究，人脸检测在人脸识别、人脸追踪、姿势估计、表情识别、图像检索和数字视频等方面都有着重要的应用。
本文简单阐述了Adaboost算法实现人脸检测的检测原理,整个检测过程，主要包括图像中矩形特征的提取,矩形特征值的计算,积分图的引用,弱分类器的训练过程,强分类器的提升方法,以及级联分类器的设计。主要对级联线性非对称分类器算法作了分析,并进行了相应的算法实现工作。具体工作如下:分析了基于特征分类分类,运用Adaboost算法为节点选择Haar特征弱分类器，再利用线性非对称分类器算法(LAC)为弱分类器设计线性组合系数和总的阈值,以组成强分类器;检测时,利用扫描子窗口与人脸的相似程度,动态选择某一节点的强分类器进行检测,确定人脸区域。
作为人脸识别系统的第一步,人脸检测的精度和速度大大影响了人脸识别系统的性能,所以人脸检测开始作为独立的课题被研究。人脸识别技术从狭义上说是指对待识别人脸,进行人脸表征,再根据人脸的表征方法,选择适当的匹配策略,将得到的人脸与数据库中的已知人脸相比较,从而得出相关信息[1]。从广义上说,它包括人脸检测和人脸识别两部分。人脸检测是指任意给出一幅图像,确定其中是否含有人脸,如果是,则把人脸的位置、大小、姿态等信息给出。也有人把人脸检测和人脸识别作为自动人脸识别系统的两个重要环节,认为自动人脸识别系统由以下两个步骤组成:人脸检测与定位和人脸表征与识别[2]。
Key Words: face detection , cascade classifier,Integralimage
第一章
1
随着社会的不断进步，在人机交互技术,访问控制，公安警察部门的刑事侦破，个人的身份识别等领域迫切需要有效的身份检测，而现有的检测方式都有各自无法弥补的缺点:视网膜检测无法确保对人体的安全性,指纹和掌纹检测既不隐蔽又需要被检测者的主动配合,不能满足实际应用的需要,急需一种新的检测方法。而人脸检测具有直接、隐蔽、方便、友好、安全、特征稳定等众多优点,所以得到了广泛的研究。
This thesis briefly elaborate the detection principle of Adaboost algorithm for face detection, the whole detection process includes extraction of rectangle features of the image, rectangular eigenvalues, referencing mechanism integral graph, the training process of weak classifiers, lifting method of strong classifier, and the design mechanism of cascade classifier.This thesis focuses on the analysis of linear asymmetric cascade classifier algorithm, and the corresponding realization. The work is as follows: Linear asymmetric cascade classifier real-time face detection algorithm based on feature classification are analyzed in this thesis. While detecting a, a node’ strong classification can be chosen to detect face.
最后,实现了基于VC6.0,并结合OPENCVI.O机器视觉库的人脸检测系统。系统具有界面友好,操作方便,输入处理图片格式不受限制,适用范围广等特点。
人脸检测，级联分类器，积分图。
Abstract
Face detection is an importantresearch direction and hotspot in the field of pattern recognition and computer vision.Face detection isdirect,concealed,convenient,friendly,secure,andstable,itisstudiedbyalotofpeople, face detection has important applications in face recognition, face tracking, pose estimation, facial expression recognition, image retrieval and digital video, etc.
Face detection software system is made in VC6.0 with OpenCV1.0 Machine Vision Library.Thesoftware isof friendlyinterface,convenientuse,freeinputpictureformat,andextensiveuseetc.
人脸检测，级联分类器，积分图
人脸检测是当前模式识别和计算机视觉领域的重要研究方向和研究热点。人脸检测具有直接、隐蔽、方便、友好、安全、特征稳定等众多优点,得到了广泛的研究，人脸检测在人脸识别、人脸追踪、姿势估计、表情识别、图像检索和数字视频等方面都有着重要的应用。
本文简单阐述了Adaboost算法实现人脸检测的检测原理,整个检测过程，主要包括图像中矩形特征的提取,矩形特征值的计算,积分图的引用,弱分类器的训练过程,强分类器的提升方法,以及级联分类器的设计。主要对级联线性非对称分类器算法作了分析,并进行了相应的算法实现工作。具体工作如下:分析了基于特征分类分类,运用Adaboost算法为节点选择Haar特征弱分类器，再利用线性非对称分类器算法(LAC)为弱分类器设计线性组合系数和总的阈值,以组成强分类器;检测时,利用扫描子窗口与人脸的相似程度,动态选择某一节点的强分类器进行检测,确定人脸区域。
作为人脸识别系统的第一步,人脸检测的精度和速度大大影响了人脸识别系统的性能,所以人脸检测开始作为独立的课题被研究。人脸识别技术从狭义上说是指对待识别人脸,进行人脸表征,再根据人脸的表征方法,选择适当的匹配策略,将得到的人脸与数据库中的已知人脸相比较,从而得出相关信息[1]。从广义上说,它包括人脸检测和人脸识别两部分。人脸检测是指任意给出一幅图像,确定其中是否含有人脸,如果是,则把人脸的位置、大小、姿态等信息给出。也有人把人脸检测和人脸识别作为自动人脸识别系统的两个重要环节,认为自动人脸识别系统由以下两个步骤组成:人脸检测与定位和人脸表征与识别[2]。