1。2  研究现状

1。3  论文结构及内容

    本文在文章的前面部分主要是对人脸检测和跟踪系统的相关理论、基础知识进行说明，后面部分主要是介绍该系统的设计和实现的相关工作。

    本文第一章，如上述内容所示，主要是对此次系统设计的研究背景以及研究现状进行大致的描述说明。

本文第二章，主要是用来介绍此次系统设计涉及的一些基础知识，主要包括人脸检测与人脸跟踪的相关知识。

本文第三章，主要是对此次系统设计的所使用到的主要的算法进行分析，包括Adaboost算法和Camshift算法。

本文第四章，主要是介绍本系统的设计和实现。首先是对该系统设计所使用的开发工具及其环境配置进行介绍，接着再是对本系统的设计概要进行简述，最后对本系统实现的代码进行分析，主要分为人脸检测与人脸跟踪两大块来说明。

最后对本系统的设计和实现进行总结，随之表达本人的谢意。

2  相关知识介绍

本章主要是对人脸检测和人脸跟踪的一些相关概念以及基础知识点进行大体的描述和说明，方便为之后的系统实现提供可参考的方向。

2。1  人脸检测

    人脸检测[5]，指的是随意地给出一组图像序列或者一个图像，再使用特定的策略对它们进行一定的搜索，确定其中所有的人脸的位置及区域的一个过程；是在各种不同的图像或者图像序列中确定是不是含有人脸，如果是，确定并且返回人脸的数量、人脸的位置、人脸的大小以及人脸的姿态的过程。文献综述

2。1。1  人脸检测的难点

人的脸部可能发生极为微小的变化，人脸检测是普通人可以轻而易举就能完成的视觉任务，但是在计算机视觉技术方面，这项任务并不容易。由文献[1]可知，人脸检测可以说是一个困难的、极具挑战性的关于检测的课题。这个问题涉及到分割、提取、验证面部和不受控制的背景中的面部特征，要想解决人脸检测的问题，主要的难点有两方面。

一方面的难点是人的脸部自身的变化引起的：（1）不同的人脸可能有不同的表情，因此使得眼睛、嘴唇等部位的形态和位置发生变化；（2）不同的人脸上也许会出现若干类修饰物，如太阳镜、贴纸等；（3）不同的人脸可能有不同的形态，如向左侧、向右侧、低头以及抬头等都有可能使得眼睛、嘴巴被全部或者部分遮挡；（4）人的岁数、种族、性别的区别会导致人的面部特点呈现硕大的分歧。

另一方面的难点是由于外界条件呈现出改变引发的：（1）摄像机在拍摄过程中的拍摄性能会对成像造成或大或小的影响，可能使相同的人脸呈现不同的情况；（2）背景影响检测效果，当其过分混乱的时候，某些地方也许会被误认为是人的脸部而被检测出来；（3）光照影响检测，光照的角度和强度不同会使图像的亮度、对比度以及阴影有所不同。

2。1。2  人脸检测的方法

    由文献[1][6]了解到，人脸检测的方法大体上可以分成四类：第一类为基于知识的方法，此方法是借由比较典型的人脸形成规则库实施针对人脸的编码，一般情况下，利用面部的特征与特征之间的关联对人脸的位置进行确定。第二类为特征不变的方法，这个方法是指在改变条件，如光照强度、面部姿态等的情况下，找到相对稳定的特征，之后再利用找到的特征来确定人脸。第三类为模板匹配的方法，这个方法需要存储若干种标准的人脸的模式，用这些人脸模式分别描述面部特征以及整个人脸，之后再计算所存储的模式和输入的图像之间的互相联系并且将其用来检测。第四类为基于外观的方法，最后的这种方法与前一种方法恰恰相反，它先是从训练图像集中得到模型，然后在检测中运用这些模型。来:自[优.尔]论,文-网www.youerw.com +QQ752018766- OpenCV视频中人脸检测和跟踪系统的设计(2):http://www.youerw.com/jisuanji/lunwen_93889.html