欢迎来到天天文库
浏览记录
ID:23326256
大小:7.08 MB
页数:57页
时间:2018-11-07
《基于adaboost算法的人脸检测方法综述》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中国矿业大学本科生毕业设计姓名:杨腾蛟学号:08073590学院:计算机科学与技术专业:电子信息科学与技术设计题目:基于AdaBoost算法的人脸检测方法综述专题:人脸检测与定位指导教师:梁志贞职称:副教授2011年6月徐州中国矿业大学毕业设计任务书学院计算机科学与技术专业年级信科07-2学生姓名杨腾蛟任务下达日期:2011年1月10日毕业设计日期:2011年2月21日至2011年6月15日毕业设计题目:基于AdaBoost算法的人脸检测方法综述毕业设计专题题目:人脸检测与定位毕业设计主要内容和
2、要求:毕业设计(论文)的目的是对毕业生所学的专业基础知识和研究能力、自学能力以及各种综合能力的检验,要进一步巩固和加强学生基本知识的掌握和基本技能的训练,加强对学生的多学科理论、培养刻苦钻研、勇于探索的精神。人脸检测(FaceDetection)是指在输入图像中确定所有人脸(如存在)位置与大小。人脸检测系统的输入是可能包含人脸的图像,是关于图像中是否存在人脸以及人脸的数目、位置、尺度、姿态等信息参数化描述。检测任务的完成涉及从复杂的背景中分割、抽取、验证人脸区域和可能要用到的人脸特征(如眼角、嘴
3、角等),成功的人脸检测系统应能处理实际存在的光线、人脸方向和离照相机距离变化等各种不同情况。人脸检测作为人脸信息处理中的一项关键技术,近年来成为模识别与计算机视觉领域内一项受到普遍重视、研究十分活跃的课题。本课题首先要介绍了人脸检测方面发展的状况和常用的人脸检测和识别的基本理论,然后根据所学知识对已有的算法编程实现,初步实现一个人脸检测系统。院长签字:指导教师签字:中国矿业大学毕业设计指导教师评阅书指导教师评语(①基础理论及基本技能的掌握;②独立解决实际问题的能力;③研究内容的理论依据和技术方法
4、;④取得的主要成果及创新点;⑤工作态度及工作量;⑥总体评价及建议成绩;⑦存在问题;⑧是否同意答辩等):成绩:指导教师签字:年月日中国矿业大学毕业设计评阅教师评阅书评阅教师评语(①选题的意义;②基础理论及基本技能的掌握;③综合运用所学知识解决实际问题的能力;③工作量的大小;④取得的主要成果及创新点;⑤写作的规范程度;⑥总体评价及建议成绩;⑦存在问题;⑧是否同意答辩等):成绩:评阅教师签字:年月日中国矿业大学毕业设计答辩及综合成绩答辩情况提出问题回答问题正确基本正确有一般性错误有原则性错误没有回答答
5、辩委员会评语及建议成绩:答辩委员会主任签字:年月日学院领导小组综合评定成绩:学院领导小组负责人:年月日摘要人脸识别是当今模式识别领域的热门研究课题,是辨识身份的重要手段。而人脸检测是人脸识别的前提和基础,只有先将图像和视频中的人脸准确定位出来才能对其进行有效识别。人脸检测问题在通用目标检测领域有其重要的研究意义。在本文的前三章中,我们重点介绍了基于学习的人脸检测流程,并以此引出了基于学习的人脸检测算法的代表——基于AdaBoost人脸检测方法,AdaBoost算法是1995年提出的一种快速人脸检
6、测算法,是人脸检测领域里程碑式的进步,这种算法根据弱学习的反馈,适应性地调整假设的错误率,使在效率不降低的情况下,检测正确率得到了很大的提高。在第四章,我们介绍了影响AdaBoost训练算法的两个重要因素:haar矩形特征与积分图,同时,我们还对haar矩形特征进行了扩展,由原先的5个扩展到15个,使其更加完备,能够应对更广范围内的人脸检测问题。在第五章,我们介绍了分类器训练级联的方法和AdaBoost算法的详细流程。对传统的弱分类器构造方法提出了改进,将原先的一个适应性阈值上升为上下限两个阈值
7、。在第六章,我们介绍了基于OpenCVAdaBoost人脸检测方法的实现,重点阐述了基于OpenCV人脸分类器的训练方法。在文章的最后,我们对该设计方案做出了总结,并对未来人脸检测的研究方向做出了展望。关键词:人脸检测;积分图;haar特征;AdaBoost;分类器级联ABSTRACTFaceRecognitionisthehotresearchtopicintoday’sfieldofPatternRecognition,whichistheimportantmethodoftheidenti
8、ficationidentity.BecauseFaceDetectionisthepremiseandbasisofFaceRecognition,wehavetocorrectlypositionouttheplaceoffacesinimagesorvideosfirstly,andthentheeffectiverecognitioncanbeaccomplished.FaceDetectioninthegeneraltargetdetectionfieldhasitsimportant
此文档下载收益归作者所有