基于AdaBoost方法的人脸检测研究论文.doc

论文（设计） 单 位 题 目 申报内容 专业 职称等级 学号 姓 名 指导老师 职称 提交日期 2019 完成日期 基于AdaBoost方法的人脸检测研究 一、论文说明 本写作团队长期从事论文写作，擅长数据处理、文献查找 图表绘制、理论分析，以及相关期刊论文的发表 具体联系金老师QQ：387 826 70 二、范文参考 凌鹏程 摘 要：伴随城镇化的进展，在测控以及监管流动人口部分，给政府人员的巡查以及监管带来一定难度，首先概述了人脸检测方法，包括人脸检测方式和学习策略，进而研究了AdaBoost人脸检测算法，包括算法基本流程、Haar长方形特征、AdaBoosting级联分类装置。给出人脸特征获取，图像空间映射和主分量解析算法，最后分析了AdaBoost方法訓练方法和检测算法、误检与漏检情况。 关键词：人脸检测；AdaBoost；图像空间映射；主分量解析 中图分类号：TB 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2018.17.097 1 引言 由于人脸检测成为身份认定的主要方式，并且应用在现有的民用、商业的行业中，并得到好的发展。此外，国家为构建安定和谐社会，国内加强针对经济领域，刑事犯罪领域的攻击力度。并且在安全控制者实现犯罪事件的处理中，常将犯罪人员的相片以及特点材料公布给社会。但选取该方式会消耗大量人力以及财力，并且由于犯罪人员的狡猾以及伪装特点该方式效率低而代价大。若选取人脸检测方案，能够提升处理效率，譬如在主要的车站模块，码头模块，机场模块以及海关部分装设摄像装置能够录入出入者的人脸特征，将获取的人脸特点在数据集合中和犯罪人员的面部特点实现比较，得到精准的身份认证，便于处理犯罪人员的自动报警，该方式给安全防护人员给出了强大的策略支撑。 本文结合AdaBoost方法和Haar like特点划分算法，针对人类皮肤颜色选取meanshift策略和人眼算法二值化实现决策化结合，并依据视频时序特征完成搜索。 2 人脸检测方法概述 2.1 人脸检测方式 人脸检测即采用给定的录入图像判定能否包含人脸区域，若包含，则应当给定人脸区间的大小，方位以及姿势等相关信息。人脸检索包含人脸的多样特征，遮挡特征，复杂背景算法以及人脸状态的作用。科研人员选取图像检索策略处理了人脸检测问题。基于知识算法的人工识别方案包含针对人脸模型的判别，采用规则实现人脸检测，譬如人脸的对称性，并且选取简约的规则给出两者之间的关联，并且转换为相应的测算，采用解析算法构建人脸校验方案。若该方案较为简单并且容易实现，因而有可能出现漏检的状况。 2.2 学习策略 采用学习策略获取大部分人脸以及非人脸的训练算法，进而利用机器学习算法构建分类装置，采用分类装置实现人脸检测。采用学习策略搜索人脸和机器方法的处理性能以及训练样本算法的实际表现能力相关，与采用知识算法的策略比较，专门针对复杂环境的算法存在较好的鲁棒性。 2.3 本章小结 采用人脸检测方法能够完成身份鉴别，并给出相关标准，在商务行业中得到相关应用。在静态图像中得到实时的图像配准算法成为现有的计算机行业的检测重点。此外，针对监控序列中的人脸检测算法实现拓展，并且在人脸检测识别中融入姿势，面部状况等因素。 3 AdaBoost人脸检测算法 3.1 AdaBoost人脸检测算法概述 AdaBoost人脸检测算法人脸检测装置主要包含三个模块，其一为Haar长方形特征；其二为Adaboost分类装置；其三为分类装置的级联算法。 3.2 AdaBoost人脸检测算法基本流程 3.2.1 Haar长方形特征 Haar特征包含三个部分，水平模块以及垂直模块的边缘特征，水平特征以及垂足模块的线性特征以及对角特征。Haar长方形模块中包含白色以及黑色的颜色标定，此外针对Haar的矩阵算法给定特征结果为白色矩阵中的像素并且除去黑色矩阵中的像素和。为测算H