多姿态人脸检测方法研究开题报告

1. 研究目的与意义（文献综述）

1.1研究目的及意义

随着信息化时代的到来，计算机、网络、通信等技术迅猛发展，智能的人机交互技术也成为了热门的研究方向。要实现人机交互时的智能化、自然化和人性化，这就需要智能设备能够识别交互者的身份属性等相关信息。如何实现智能设备识别交互者的相关信息，就成了当前人们亟待解决的问题。

生物特征（如人脸、指纹、虹膜等）作为人的一种内在属性，并且具有极强的自身稳定性和个体差异性，因此，生物特征识别理所当然的成为了身份识别验证的理想依据。其中，人脸识别[1]是最为简单直接也容易被人们广泛接受的身份识别方法。

2. 研究的基本内容与方案

viola和jones的开创性工作使得正面人脸检测技术逐渐走向成熟，并在一些实际系统中得到应用，但对于多姿态的人脸检测问题目前仍没有满足实际应用需求的解决方案。因此本文通过将基于肤色检测与边缘检测相结合，在adaboost算法的基础之上，引入新的haar特征，建立起了一套新的高效的人脸检测方法。

通过将单一的肤色检测与边缘检测相结合的方法，可以得到面部五官轮廓，之后在此区域中找到两个点，通过计算可以得到图像的垂直平分线与人脸垂直平分线的夹角，将图像按这个角度调整，可以得到较正面的人脸图像。这种方案克服了单一肤色检测方法在复杂背景下的局限性。

在多姿态检测时，以adaboost算法为基础，在原有的hear特征库上引入四种新的haar特征，使得新的特征库对目标的描述能力更加完备，得到的检测结果更加准确。该方法使单一的adaboost检测方法误检率高和检测时间长的问题得以改进。同时，从中科院的cas-peal-r1人脸数据库和美国的feret人脸数据库选取多角度多姿态图像，选取大量人脸图像，创建成多角度多姿态人脸样本库，用于样本训练。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1]gunasekars,ghoshj,bovika.facedetectionondistortedimagesaugmentedbyperceptualqualityaware[j].ieeetransac-tionsoninformationforensicsandsecurity,2014,9(12):2119-2131.

[2]usuih,tanabej,sanot,etal.anevaluationofanenergyefficientmany-coresocwithparallelizedfacedetection[c]//asp-dac.2014:311-316

[3]yoonseopkangsksc.deeplearningtohashwithmultiplerepre-sentations[c]//ieeeinternationalconferenceondatamining.ieee,2012:930-935.