摘 要

人脸识别是现如今模式识别的热门研究方向，也是图像处理领域的重要研究课题。而人脸检测是人脸识别的第一步，只有先从静止图像或视频当中检测出人脸，才能够进行人脸的特征提取和匹配识别。人脸检测（Face Detection,FD）是指采取特定的技术方法判断图像中是否存在人脸，如果是，就确定人脸的位置，大小，和姿态。因此，人脸检测问题的研究具有重要意义。

本文首先对比分析了现今主流的人脸检测方法，然后基于VC 和OpenCV工具，利用adaBoost算法实现了人脸检测系统设计——能够在给定的彩色或灰度静止图像中判断是否存在人脸区域，并进一步确定人脸的位置。紧接着，本文提出基于子空间的人脸识别方法。最后，对本次设计进行总结归纳与展望。

本次设计的人脸检测系统能够快速并准确地实现从静止图像中检测和标示出人脸位置的功能，为以后的人脸识别设计打下坚实的基础。

关键词：人脸检测；子空间；adaBoost算法；人脸识别

Abstract

Face recognition is an important research topic now as well as an popular pattern of recognition research in the field of image processing. The face detection is the first step of face recognition, only detecting a person's face from still images or video, can we able to perform face recognition feature extraction and matching. Face Detection refers to input an image, take specific technical methods for image search, which determine whether there is a face, if it is, then determined face position, size, and posture. Therefore, the study of face detection is important.

Firstly, the comparative analysis of today's mainstream face detection methods, and then based on VC and OpenCV tools, using adaBoost algorithm design face detection system --which determined whether the face region exists in a given color or grayscale still images, and further determines the position of the face. Then proposed face recognition method based on subspace. Finally, this design will be summarized and prospect.

The design of the face detection system can quickly and accurately detect and mark the position of the face from the still image, and lay a solid foundation for future recognition design.

Key Words：Face detection; subspace; adaBoost algorithm; face recognition

目录

第1章 绪论 1

1.1课题研究背景及意义 1

1.2国内外研究现状 1

1.3人脸检测方法综述 2

1.3.1基于几何特征的方法 2

1.3.2基于肤色模型的方法 2

1.3.3基于统计理论的方法 3

1.4本文的主要工作和内容安排 3

第2章 基于AdaBoost算法的人脸检测原理 4

2.1AdaBoost算法的提出 4

2.2矩形特征 5

2.2.1Haar-like矩形特征 5

2.2.2子窗口条件矩形及特征个数计算 5

2.3积分图 7

2.3.1积分图的概念 7

2.3.2利用积分图计算特征值 7

2.4弱分类器 8

2.5训练强分类器 9

2.6图像检测过程 10

第3章 系统设计方案与实现 12

3.1OpenCV简介 12

3.2 VC 上配置OpenCV 12

3.3主程序设计 12

3.4系统测试结果与分析 14

3.5系统界面设计 16

第4章 基于子空间的人脸识别方法 17

4.1人脸识别流程 17

4.2线性子空间分析方法 17

4.2.1主成分分析方法（PCA） 17

4.2.2线性判别分析方法（LDA） 19

4.3非线性子空间分析方法 19

第5章 总结与展望 20

参考文献 21

附录 22

附件一 22

致谢 25

第1章 绪论

人脸检测是人脸识别，表情检测，性别检测等人脸信息处理问题中的首要步骤，也是一项关键技术^[1]。人脸检测的目的是在一幅图像中找出人脸的位置，虽然这个问题通过人的肉眼和知识能够很快判断出来，但是对于计算机视觉来说也是一个挑战。同时，这个问题在图像模式识别和目标检测领域也极具代表性，近年来在人工智能研究方向受到了普遍关注^[2]。

1.1课题研究背景及意义

随着计算机技术的高速发展，人们进入了信息网络的时代。一开始计算机只能被动地接受并处理输入的信息，虽然运算处理速度很快，但是也存在很大的局限性。为了突破这种局限，很多研究人员开始致力于人机交互技术。而随着人机交互技术的发展，出现了计算机视觉这一学科 ^[3]。

同时，随着社会发展，各个应用领域对于自动身份的认证都有着迫切需求。其中，基于人类生物特征（如指纹、DNA、虹膜、人脸、语音等）的识别技术因可靠安全、特征唯一、不易伪造及窃取等优点得到了广泛研究。最初的人脸检测问题比较简单，仅仅需要从简单的背景的图片中提取出人脸位置。但是现在人们希望在复杂背景和人脸图像中找出人脸位置，因此，提高准确性也变得更加重要。目前人脸检测已经不仅仅应用于人脸识别系统，还在其它很多方面，比如数据库中基于内容检索、各市场的监控系统、摄像机的视频检测与跟踪等地方都有很大的应用空间。

1.2国内外研究现状

人脸检测问题因为其本身存在很多不同的难点问题，所以具有很大的挑战性，例如：（1）人脸多样性。人脸细节存在可变性，比如人的，发型，肤色，五官，表情等的不同。（2）人脸视角变化。人脸存在多种视角，包括水平和垂直角度的多种结合。可能需要对侧面人脸和倾斜人脸进行检测。（3）光照背景等的影响。人脸背景的复杂程度及不同角度和亮度的光源会直接影响人脸检测效果^[4]。

针对上述问题，国内外开展了各种各样的研究。国外比较出名的有CMU， MIT及UIUC等机构；国内比较有名的有清华大学、微软亚洲研究院等。随着国际上对人脸检测的重视程度越来越高，相关研究论文的发表数量每年都在增加，研究的检测技术也越来越先进多样。由此可以看出人脸检测技术在各领域内受到的重视。目前，这一研究内容已经基本成熟，能够满足各种人脸检测的条件和需求。

1.3人脸检测方法综述

随着人脸检测研究的深入，各种理论研究方法层出不穷，也产生了多种实际应用的方法，依据人脸检测技术的不同算法之间的特点和发展情况，主要将其分为三类：基于几何特征的方法、基于肤色模型的方法和基于统计理论的方法^[5]。

1.3.1基于几何特征的方法

人脸的几何特征是指人脸五官在几何上体现出来的特征。当对背景比较简单的正面单人图像进行检测时，可以采用这种方法。但是在复杂环境下效果不佳，有很大的局限性。这种方法又可以细分成如下几种：