自动人脸定位算法开题报告

1. 研究目的与意义

随着社各领会的不断进步以及域对快速有效的自动身份验证技术的迫切需求，人脸识别成为最有潜力的生物身份验证手段，这种应用背景要求自动人脸识别系统能够对一般图像具有一定的识别能力，由此所面临的一系列问题使得人脸检测开始作为一个独立的课题受到研究者的重视。

今天，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在基于内容的检索、数字视频处理、视频检测等方面有着重要的应用价值。

在人脸识别系统中，为了识别检测到的人脸，还需要进一步提取检测的人脸面部关键特征点的位置，比如眼睛，鼻子和嘴巴的位置，形状乃至整个人脸的外轮廓等信息。

2. 课题关键问题和重难点

关键问题：实现可执行程序。

该程序分为训练、检测两个部分，训练部分通过对指定文件夹中图像进行训练，获得分类器；检测部分使用训练得到的分类器，对自然图象中的人脸区域进行检测定位。

难点：人脸检测是人脸识别的一个关键环节，现在人脸检测方法可归为两类:一是基于知识建模的人脸检测，能够在一定程度上用于复杂背景图像中的人脸检测，但是要想进一步提高知识模型的适应能力，需要综合更多的特征，这实际上设计到图像理解这一困难的问题，这是此类方法进一步发展遇到的主要障碍。

3. 国内外研究现状（文献综述）

（一）研究现状人脸识别系统在大多数领域中起到举足轻重的作用，尤其是用在机关单位的安全和考勤、网络安全、银行、海关边检、物业管理、军队安全、智能身份证、智能门禁、司机驾照验证、计算机登录系统。

见诸文献的自动人脸识别研究开始于1966年pri的bledsoe的工作，1990年日本研制的人像识别机，可在1秒钟内中从3500人中识别到你要找的人。

1993年，美国国防部高级研究项目署(advanced research projects agency)和美国陆军研究实验室(army research laboratory)成立了feret(face ecognition technology)项目组，建立了feret人脸数据库，用于评价人脸识别算法的性能。

4. 研究方案

本毕业设计中需要实现haar小波矩特征，并将该特征与adaboost分类算法相结合，通过对大量人脸样本进行训练，得到人脸检测分类器。

实现对图片进行多尺度滑动窗检测，检测出任意图像中的人脸区域，并对其进行标注。

其主要方法为：①首先利用人脸的肤色特征，找出人脸可能存在的区域。

5. 工作计划

根据此次毕设需要实现的内容，本人在指导教师的帮助下，制作出工作计划如下：2022.1.12022.1.31：了解Haar小波矩和Adaboost算法，完成翻译2022.2.12022.2.28：了解OpenCV和VS2022开发环境2022.3.12022.3.31：下载样本库，实现分类器生成功能和程序框架2022.4.12022.4.30：实现滑动窗人脸检测算法2022.5.12022.5.31：完善实验，验证精度2022.6.12022.6.30：攥写毕业论文，做PPT，完成答辩