人员自动计数系统的设计与实现开题报告

1. 研究目的与意义（文献综述）

人类活动离不开社交，在如今的快节奏的社会中更是如此。在大型场所以及一些公共场所，人流量往往较大，龙蛇混杂。为了避免一些意外以及紧急情况的发生，往往需要对场所的人数计数统计。在信息计数飞速发展的今天，计算机已经走进了各行各业，计数系统也不例外。人脸作为一种开放的信息源，是计算机领域视觉需要处理的一个重要内容，通过人脸可以获取一个人的性别、年龄、表情和身份等特征，计算机可以根据这些信息作出相应反应，从而实现一定的人机交互功能[1]。当下，最流行的计数技术应该就是利用计算机视觉实现各种识别。因此基于计算机视觉的计数系统的研究以及开发对于社会发展的意义不言而喻。基于计算机视觉的人员自动计数系统依赖于人脸检测技术。人脸识别问题包括人脸检测，人脸识别，以及人脸类型判断等等，人脸检测工作是所有工作的前期工作[2]。人脸检测作为人脸识别的第一环节，是人脸自动识别系统中一个不可或缺的关键环节，它是指采用一定的方法对任意给定的检测样本进行搜索，判断其中是否有人脸存在，若有人脸就标出目标区域的人脸的过程[3]。最早的人脸识别技术研究从20世纪50年代发展起来，到90年代后期以来人脸识别作为公认为的计算机安全技术在全球范围内迅速发展起来[4]。人脸识别已经拥有30多年的研究历史，各种新颖的算法层出不穷，但是，直到今天，人脸识别仍然是一个十分困难的问题，人脸识别的困难之处主要来自以下2个方面：第一是人脸定位的困难，第二是人脸的相似性和不定性[5]。早期研究中的典型方法主要利用纹理，边缘，颜色等一些低层图像特征，结合人脸局部器官的几何约束定位人脸[6]。目前人脸检测方法主要有三大类：1.基于知识2.基于统计方法3.基于肤色模型方法[7]。人脸识别当前的主流算法基本上是基于图片进行识别的，但这种方式在一定程度上是有缺陷的[8]。

目前国内外学者对人脸检测提出了大量的算法，对已有算法进行归纳，可大致分为两种：基于启发模型的人脸检测和基于统计的人脸检测 [9]。国外对人脸检测问题研究的很多，比较著名的有麻省理工的媒体实验室和人工智能实验室，卡耐基梅隆大学的机器人研究所以及beckman研究所等[10]。国内的有清华大学，微软亚洲研究院，中科院自动化研究所等。此外，每年在国内外的相关期刊和会议上均有发布大量的关于人脸检测的论文，其中综述性的文章采用各角度总结了近期人脸检测的研究发展，且对人脸检测的研究方向进行展望[11]。例如一阶估计及真正的adaboost算法来实现人脸识别[12]，和利用人工神经网络进行人脸识别等等[13]。

近年来国内外进行了很多研究并取得一定成效，其中hyeonbae等使用特征脸空间和神经网络进行人脸检测，克服了光照对人脸检测的影响，s.phimoltares等针对有偏转的图像使用边缘检测和nvm的方法寻找人脸的五官位置，段其昌等将水平集方法引入到粒子滤波框架下，提出了一种对外界干扰有较强鲁棒性的人脸轮廓跟踪算法[14]。也有国外研究机构提出一种眼部判别的有效的人脸识别方法[15].

2. 研究的基本内容与方案

1.基本内容

本课题旨在利用计算机视觉实现人脸识别以及检测，主要要用到opencv以及adaboost算法。

2.目标

3. 研究计划与安排

3月1日——4月1日熟悉opencv基础4月2日——-5月1日熟悉adaboost算法以及使用opencv实现基于adaboost算法的人脸检测识别

5月2日——5月19日系统具体实现和代码编写及测试5月20日----5月31日 整理编写毕业论文

6月1日----6月8日 完成并修改好毕业论文

4. 参考文献（12篇以上）

[1]翟中华.基于肤色和adaboost算法的人脸检测方法研究[d].华南理工大学,2012.

[2]廖广军.复杂条件下的人脸检测与识别应用研究[d].华南理工大学,2014.

[3]王淑玲.基于zynq实现实时人脸检测技术的研究[d].南京理工大学,2014.