基于adaboost的人脸检测及识别

宁夏大学

毕业论文

AdaBoost人脸检测及识别

姓名：***

专业：电子信息工程

指导教师：***

20140423

基于AdaBoost 人脸检测及识别

摘要

人脸检测是在指给定的一幅图片或连续视频中确定是否有人脸的存在，如果有人脸，则标出人脸的位置和大小。人脸检测是计算机模式识别最热门的研究课题之一，在视频会议，远程监控，远程治疗中都有应用。许多学者，和专家对此做了许多大量的工作，取得了优秀成果并提出了大量的有效算法。本文主要工作如下：

1、人脸检测算法居多，在了解相关的人脸检测算法后，进行最后的比较，选定适应能力强、错误率小的Adaboost 人脸检测算法。基于Haar 特征的级联分类器算法，在训练样本足够多足够好时，在理论上可以将错误率降到任意小，可以适应许多复杂的环境中。

2、本文对Adaboost 人脸检测算法实现MATLAB 的仿真，可以首先不去研究算法是如何实现的，着重关注算法本身的性能。

关键词：人脸检测 Adaboost 人脸识别图像预处理特征提取

Abstract

Face detection is to determine whether there exists in a picture or continuous video ,if have, marked the size and location of the face.It is one of the most popular computer pattern recognition research topics,is applied in video conference, remote monitoring, remote treatment. Many scholars,and experts have done a lot a lot of work and achieved outstanding results and give a lot of effective

algorithms.

The main work of this paper is as follow:

1. Face detection algorithms are mostly, after understanding the relevant algorithms and compared their ,I chose Adaboost face detection algorithm and Its features is adaptable, small error rate. If the training samples is too good

enough,cascade classifier based haar can make the error rate reduce to arbitrarily small, can be adapted to many complex environments.

2. The paper use MATLAB to achieve Adaboost face detection algorithm,we can focus on the performance of algorithm,but not study how to achieve on their own.

Key words:Face detection,Face recognition,Image preprocessing , Feature extraction ,

目录

基于AdaBoost 人脸检测及识别................................................................................................ I 摘要................................................................................................................................... I Abstract ......................................................................................................................................... I 第 1 章绪论. (1)

1.1 背景前提 (1)

1.2 人脸检测算法研究历史 (1)

1.2.1 基于肤色的人脸检测 (2)

1.2.2 基于形状的人脸检测 (2)

1.2.3 基于特征的人脸检测 (3)

1.2.4基于特征不变量的方法 (4)

1.2.5基于模板的方法 (4)

1.2.6基于表象的方法 (5)

第 2 章Adaboost 算法 (6)

2.1 boosting 方法 (6)

2.2 Adaboost 算法 (6)

2.2.1 Adaboost 算法的概述 (6)

2.2.2 Haar 特征及其计算 (7)

2.2.3 条件矩形及其数量 (9)

2.2.4特征值 (11)

2.2.5 弱分类器 (13)

2.2.6 Adaboost 算法训练过程 (13)

2.2.7 级联强分类器 (14)

2.3 Adaboost 人脸检测过程 (15)

2.5 本章小结 (16)

第3章人脸识别的主要流程及困难 (16)

3.1人脸识别的困难 (16)

3.1.1复杂条件下人脸的检测和关键点定位 (16)

3.1.2光照问题 (16)

3.1.3资态问题 (16)

3.1.4表情问题 (17)

3.1.5遮挡问题 (17)

3.2 人脸识别流程 (17)

3.2.1人脸图像采集 (17)

3.2.2预处理 (18)