基于OpenCV的人脸检测
摘 要
人脸检测是指使用计算机在动态的场景或复杂的背景中检测出人脸的存在，并确定所有人脸的位置与大小的过程。人脸检测技术不仅是人脸识别、表情识别、人脸跟踪等技术的重要前提条件，同时在模式识别、人机交互、智能监控、视频检索等领域也引起了广泛的重视。
本论文简单介绍了国内外人脸识别技术研究及应用的发展现状及其难点分析。在第二章中介绍了包括基于知识的方法、特征不变量方法、模板匹配方法、基于外观的方法四类检测方法；在第三章简单介绍了四种经典的检测方法，包括特征脸、神经网络、隐马尔可夫模型方法、支持向量机。
在第四章重点分析了AdaBoost算法中集成机器学习的一个重要机制：多个弱分类器集成的方法，机器学习中的弱学习到强学习，集成的关键是投票，最简单的方法是“绝对多数”的方法。在第五章详细分析了AdaBoost算法检测速度快、可以检测任意尺度的图像的特点。
在这个理论基础上，本文中人脸算法的研究基于OpenCV开源代码，在OpenCV开源代码中设计了一些基础的数据类型和一些帮助数据类型。由于OpenCV的源代码完全开放，本文的研究中利用这套代码在PC上以Visual C++集成开发环境做平台搭建了一个基于OpenCV的人脸检测系统，进行了人脸检测仿真，并对其结果进行分析。
关键词：人脸检测；AdaBoost；分类器；OpenCV
Face Detection Based on OpenCV
Abstract
Human face detection means that for a given image or video，to determine whether it contains face regions，if so，determines the number, the exact location and the size of all the faces．Human face detection is not only a necessary precondition of face recognition，expression recognition technology, face tracking，but also，it plays ail important role in applications like in the intelligent human-computer interaction，video conferencing，intelligent surveillance，video retrieval and so on．Therefore，face detection technology attracted widespread attention in pattern recognition，computer vision，human-computer interaction and other fields．
This paper describes the national and international recognition technology applications research and development and analysis the difficult situation. In the second chapter to include Knowledge-based Methods, Feature Invariant Approaches, Template Matching Methods, Appearance-based Methods. In the third chapter describes the four classical detection methods, including Eigenface, Artificial Neural Network, Hidden Markov Model, Support Vector Machines.
In chapter 4 on the analysis of the AdaBoost algorithms integration of machinery to study of an important mechanism : more integrated approach in the classification of the study of study at the learning and integration is the key to the vote, the simplest method is the absolute majority . In chapter five detailed analysis AdaBoost algorithm test speed, you can detect any scale the image quality.
This paper’s research is based on the OpenCV source code， in which some basic data type and helping data type were created，and because of the opermess of the code，we build a human face detection system in the Visual C++ environment.
Keywords: face detection ; AdaBoost ; classifier ; openCV
2
目 录
摘 要 ........................................................................................................................................................... 1 Abstract .......................................................................................................................................................... 2 第1章 人脸检测 ........................................................................................................................................ 5
1.1 背景 .............................................................................................................................................. 5 1.2 目前的研究状况 .......................................................................................................................... 6 1.3 概念 .............................................................................................................................................. 6 1.4 人脸检测及其合成技术的应用领域 .......................................................................................... 6 1.5 人脸检测评价标准 ...................................................................................................................... 7 第2章 检测方法 ........................................................................................................................................ 9
2.1 基于知识的方法 .......................................................................................................................... 9 2.2 特征不变量方法 .......................................................................................................................... 9 2.3 模板匹配方法 ............................................................................................................................ 10 2.4 基于外观的方法 ........................................................................................................................ 11 第3章 经典方法概述 .............................................................................................................................. 13
3.1 特征脸 ........................................................................................................................................ 13 3.2 神经网络 .................................................................................................................................... 13 3.3 隐马尔可夫模型方法 ................................................................................................................ 14 3.4 支持向量机 ................................................................................................................................ 14 第4章 Adaboost算法 ............................................................................................................................. 16
4.1 概述 ............................................................................................................................................ 16
4.1.1 Adaboost算法简介 ....................................................................................................... 16 4.1.2 Adaboost人脸检测算法 ............................................................................................... 17 4.2 弱学习与强学习 ........................................................................................................................ 18 4.3 PAC 基本模型 .......................................................................................................................... 19
4.3.1 概述 ................................................................................................................................ 19 4.3.2 基本概念 ........................................................................................................................ 19 4.3.3 PAC模型的不足 ........................................................................................................... 20 4.4 Boosting 方法 ........................................................................................................................... 21 4.5 Adaboost算法性能分析 ........................................................................................................... 21 第5章 矩形特征与积分图 ...................................................................................................................... 22
5.1 引言 ............................................................................................................................................ 22 5.2 矩形特征 .................................................................................................................................... 22
5.2.1 概述 ................................................................................................................................ 22 5.2.2 特征模板 ........................................................................................................................ 23 5.3 积分图 ........................................................................................................................................ 24
5.3.1 积分图的概念 ................................................................................................................ 24 5.3.2 使用积分图计算 ............................................................................................................ 25 5.4 Haar特征值计算 ....................................................................................................................... 27 第6章 人脸检测的实现 .......................................................................................................................... 31
6.1 OpenCV概述 ............................................................................................................................... 31
6.1.1 OpenCV简介................................................................................................................. 31
3
6.1.2 应用领域 ........................................................................................................................ 31 6.1.3 OpenCV的起源............................................................................................................. 32 6.1.4 OpenCV的基本结构 ..................................................................................................... 32 6.1.5 OpenCV的特征 ............................................................................................................. 33 6.2 OpenCV在检测中的应用 ........................................................................................................... 34
6.2.1 编译OpenCV................................................................................................................. 34 6.2.1 为VC++ 2008 Express配置OpenCV环境 ................................................................. 36 6.3 实验结果 .................................................................................................................................... 37 6.4 结论： ........................................................................................................................................ 39 参考文献...................................................................................................................................................... 40 致 谢 ......................................................................................................................................................... 42 附录一 人脸检测源程序 .......................................................................................................................... 43 附录二 外文翻译 ........................................................................................................................................ 48
4
第1章 人脸检测
1.1 背景
人脸检测问题最初来源于人脸识别，任何一个自动的人脸识别系统首先必须对人脸进行准确的定位，因此实时而有效的人脸检测显得尤为重要。跟其他生物特征识别方法相比，人脸识别具有更加直接、方便、友好的特点，因其非侵犯性更容易被用户所接受。而且，通过对人脸的表情、姿势等作分析，还能获得其他识别系统难以获得的信息，因此人脸识别成为最有潜力的生物身份验证手段。早期的人脸识别研究主要针对具有较强约束条件的人脸图像(如无背景的图像)，因此假设人脸容易获得或在手工交互下运用，而人脸检测问题并未得到重视。
近年来，随着信号处理理论和计算机的出现及其发展，人们开始用摄像机获取环境图像并将其转换成数字信号，用计算机实现对视觉信息的处理，这就形成了计算机视觉。计算机视觉是当前计算机科学中的一个非常活跃的领域，其基本假设是：可以用计算的方式来模拟人类的视觉机制。
人脸的自动识别是一种重要的生物特征识别技术，与其它身份识别方法相比，人脸识别具有直接、方便、友好等特点，因而人脸自动识别问题的研究不仅具有重要的应用价值，而且具有重要的理论意义。现在，随着科学技术和电子商务的发展，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、计算机视觉、人机交互等方面都有着重要的应用价值。
人脸识别通过计算机提取人脸的特征，并根据这些特征进行身份验证。人脸与人体的其他生物特征(指纹、虹膜等)一样与生俱来不可改变，它们所具有的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，同其他生物特征识别技术相比，人脸识别技术具有操作简单、结果直观、隐蔽性好的优越性。人脸识别一般包括三个步骤：人脸检测、人脸特征提取和人脸的识别与验证。其处理流程如图1-1所示。
人脸 检测 特征 提取 身份识别验证 输入图像 人脸图像 人脸特征 输出结果
图1-1人脸识别的一般步骤
5
