2.1 Adaboost人脸检测基本原理 8

2.1.1 Haar分类器 8

2.1.2 类Haar特征 8

2.1.3 积分图 9

2.1.4 AdaBoost算法 11

2.2利用OpenCV实现人脸的检测 14

2.2.1 实现代码 14

2.2.2 实现效果 15

2.3小结 17

3 图像预处理 17

3.1尺寸调整 17

3.2光线补偿 18

3.3灰度化 18

3.4直方图均衡化 19

3.5小结 19

4 人脸特征点的定位 20

4.1图像的灰度积分投影 20

4.2 眼睛的定位 21

4.2.1 眼部的垂直定位 21

4.2.2 眼睛的水平定位 23

4.3鼻子的定位 24

4.4 嘴角的定位 24

4.4.1 嘴巴的垂直定位 24

4.4.2 嘴巴的水平定位 25

4.5 试验 25

5 特征向量的构造及匹配 27

5.1 特征向量的构造 27

5.2 相似度的计算 29

5.3 小结 30

6 试验与结果分析 31

6.1试验过程 31

6.2 结果分析 34

7 总结 34

参考文献 36

致谢 38

1 绪论

1.1人脸识别研究概述

人脸识别技术覆盖了多门学科，其中包括计算机视觉、数学、模式识别、心理学、数字图像处理等，具有十分广泛的应用价值。人脸识别技术在社会安全和国家机关的应用也非常广，例如：公安系统的视觉监控，信用卡验证，档案管理系统，自动门卫系统等等。同其他生物识别技术相比，如指纹，视网膜，语音识别，人脸识别不需要和待是别人接触性，不会对人造成侵犯，在毫无察觉情况下可记录人脸，自由灵活的优点。但是人脸是千变万化的，和一般刚性物体不一样，因为人脸具有复杂的表情，在不同光照下，人脸也有变化。这就就使得人脸识别这一课题的研究是非常富有挑战性的。论文网

1.2人脸识别的应用领域

和指纹一样，人脸也具有唯一性，可以用来鉴别一个人的身份。所以就有了如下应用：

(a)司法应用 像指纹一样，可作为指证犯罪嫌疑人的证据，在得到车站、收费站传来的录像可以用犯罪嫌疑人特征对比录像中人脸特征进行鉴别，可以弥补人工识别中的缺陷，如遗漏和人的疲劳等。也可以用于驾照、护照等的识别，大大提高司法部门的工作效率。

(b)视屏监控 由于监控是在被监控人不知情的情况下进行的，那么人脸识别的非接触性，非侵犯性就有了优势，比如银行ATM的监控，酒店大堂的监控，车站，收费站的监控等等。 Adaboost模板的复杂图像的自适应分割与匹配研究(2):http://www.youerw.com/jisuanji/lunwen_72807.html