基于AdaBoost的人脸检测技术研究

摘要 人脸检测是人脸分析的第一步，人脸检测包括有无人脸的判断和人脸位置的定位，其性能指标可以用错检率和漏检率来衡量。人脸检测的方法有基于知识的方法、特征不变量方法、模板匹配的方法及基于统计的方法等。 Adaboost是一种将弱分类器级联为强分类器的机器学习算法，在人脸检测中，常用Haar特性制作弱分类器，再用Adaboost将其转化为强分类器。本文介绍了人脸检测的研究及其应用现状，并着重介绍了Adaboost算法的原理和在人脸识别中的应用。 OpenCV是计算机视觉领域应用广泛的开放程序库。本文在Visual C++ 6.0集成开发环境中利用OpenCV实现Adaboost算法，用该程序对人脸进行检测，经过测试，程序良好地检测到了照片中的人脸，效果良好。 关键词：人脸检测，AdaBoost，OpenCV 1.1? 引言 生物特征识别技术在现实中的应用越来越广泛。最重要的一项应用在于安全领域：门禁系统的人脸识别、指纹识别技术，视频监控中的对象跟踪与识别技术等。在公共安全领域，目前世界公认最有效的破案手段是利用指纹自动识别系统（AFIS）来迅速地鉴定犯罪现在遗留的指纹。在美国AFIS远程网络互连系统中已经初显规模。 其他的生物特征还有虹膜、人脸、步态、掌纹、掌形、视网膜、静脉、语音、耳型、敲键特征等。由于这些特征大多具有唯一性，因此具有很强的可辨识性，如步态特征可用于安防检测系统。指纹识别是当前市场价值最大的一套生物特征识别系统，而虹膜识别也不落后。2003年，阿布扎比（阿拉伯联合酋长国之一）宣布世界上第一套国家级的基于虹膜识别技术的针对被驱逐外国人虹膜追踪与国界控制系统开始启用，这套系统从2001年开始建设，其目的在于阻止所有被阿布扎比驱逐的有着及其他人员进入阿布扎比。在没有这套系统时，由于阿拉伯人独特的面部特征，以及被驱逐的人数众多，海关检查人员很难区分哪些是被驱逐的人。通过这套系统，所有的非法入境都被避免，国家安全得到了极大的保证。 此外，人脸的识别是生物特征识别中的有一大应用领域。人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，是对生物体（一般特指人）本身的生物特征来区分生物体个体。人脸识别的优势在于其自然性和不被被测个体察觉的特点。 但是人脸识别事先假定包含人脸的图像已经得到，并且人脸占据图像的主要位置。这在实际应用中是无法得到满足的，唯一可靠的方法是人工识别，这样的话就没有必要使用人脸识别系统了。因此，与人脸识别相关的一个领域——人脸检测开始兴起。人脸检测需要完成的工作是鉴定图像中是否包含人脸，如果图像包含人脸，应给出人脸所在的位置。 1.2 ?国内外研究现状 许多国家展开了人脸检测的研究，主要集中在美国、欧洲国家、日本、新加坡以及韩国等。著名的研究机构有美国MIT的Media lab，AI lab，CMU的Human-Computer Interface Institute，Microsoft Research，英国的Department of Engineering in University of Cambridge等。国内开展人脸检测研究的主要单位有清华大学、哈尔滨工业大学、北京工业大学、中科院计算所，中科院自动化所，复旦大学，南京理工大学等。 此外， MPEG7标准组织已经组建了人脸识别草案小组，人脸检测算法也是一项征集的内容。随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如IEEE的FG、ICIPCVPR等重要国际会议上每年都有大量关于人脸检测的论文，占有关人脸研究论文的1/3之多。由此可以看到世界对人脸检测技术的重视。可以预见，随着人脸识别技术在工程实践中的应用逐渐铺开，人脸检测技术将会受到越来越多的重视，并得到长足的发展。 1.3? 本文主要研究内容 本文先简要介绍了生物特征识别技术，从人脸识别引入人脸检测技术。随后介绍了人脸检测技术的技术难点和当前的主流检测方法。然后详细介绍了Adaboost算法的原理及其在人脸检测中的应用。最后简要介绍OpenCV并利用OpenCV实现Adaboost算法，实现人脸检测。本文的结构安排如下： 第一章? 绪论。介绍了生物特征识别技术，人脸检测技术的研究背景、意义以及国内外研究现状，并说明了本文的主要研究内容和结构安排。 第二章? 人脸检测技术。介绍了人脸检测的技术原理，待解决的难点，和当前的一些检测方法。 第三章? Adaboost原理及其在人脸检测中的应用。介绍了Adaboost将弱分类器级联为强分类器的过程，并介绍如何将其应用在人脸检测中。 第四章? 人脸检测系统实现和实验结果。利用OpenCV实现了一个利用Adaboost算法的人脸检测系统，并进行试验、分析试验结果。 第五章? 总结与展望。对本文的工作进行了总结并提出了未来工作研究的方向。