2。4  OpenCV基本结构 7 

2。5  OpenCV特征 8

2。6  本章小结 8

3  人脸检测核心算法 9

3。1  人脸检测算法意义 9

3。2  人脸检测算法概述 9

3。3  Adaboost算法 9

3。3。1  弱学习与强学习 9

3。3。2  Adaboost算法简介 10

3。4  本章小结 13

4  原型系统实现与分析 14

4。1  需求分析 14

4。2  OpenCV 2。4。8+Visual Studio 2010环境配置 14

4。3  人脸检测实现 18

4。4  马赛克处理实现 24

4。5  系统测试 25

4。6  实验结果分析 29

4。7  本章小结 29

结论 30

致谢 31

参考文献 32

1引言

在电视、网络和报纸等新闻媒体中，一般会对犯罪嫌疑人、负面报道以及当事人要求行驶隐私权的情况中出现的儿童、一些特殊事件中的当事人等的面部进行马赛克处理，从而保护其个人隐私及其个人安全。在视频处理中所用到的核心技术便是人脸检测及马赛克化技术。

1。1  研究背景

众所周知，图形作为一种视觉信息在人们的日常工作与生活里饰演了十分重要的角色，人们在日常生活中每时每刻都会与图形图像发生接触。据不完全统计，在人们能够获得的全部信息中，从视觉得到的图像信息占到总数的八成以上。俗话说“百闻不如一见”，在大部分场景中，图形图像可以给人类传递比其他任何类型更加多样和真实的信息，由此能够看出，图像信息传递具有极为重要的意义。而且从二十世纪末以来，计算机和数码技术飞速发展，再加上图形图像与人类日常生活息息相关，自然而然成为了计算机科学研究的焦点方向。如今，数字图像在计算机科学领域随着各种相关课题和领域的迅猛发展，再加上数字图像处理技术在整个学术界都受到了极高的关注与要求的情况下，计算机视觉图像技术进入到飞速发展普及的时代。

人脸检测（Face Detection）的含义是，系统判定输入的图像或视频中是否存在一张或多张人脸，若有，则将所有的人脸面部的位置进行确认和提取。人脸检测是数字图像处理技术中一项重要课题，现今已成为各个相关学科领域研究的重点方向。

人脸检测的课题最开始始于人脸识别（Face Recognition），人脸识别技术在五十年前就已经开始被关注和研究了，在数十年的不断发展中，目前已经走向了成熟。人脸检测是人脸识别技术中最关键的一步，但是人脸识别技术一开始的主要研究对象是无背景图像干扰的面部图像这种在较强的约束条件下的图像，经常假定面部的方位已经得到或较易取得，所以人脸检测技术在当时未得到关注。二十世纪初以来，计算机应用技术的迅猛发展，人脸识别已然变成了具有发展前景的模拟识别技术，这样的市场背景对人脸识别技术具有极高的性能需求，需要其可以对普通背景条件下的图像具有非常强的适应性，这一系列严峻的问题令人脸检测技术慢慢转化为一们单独的学科，也因此得到了相关学科的科研人员的关注重视。目前，人脸检测技术的应用领域十分广泛，并且在数码摄影、安防监控等领域都扮演了十分关键的角色。所以，人脸检测技术的发展同样具有非常关键的学术价值。