基于AdaBoost算法的人脸检测方法综述毕业设计论文

中国矿业大学毕业设计指导教师评阅书

指导教师评语（①基础理论及基本技能的掌握；②独立解决实际问题的能力；③研究内容的理论依据和技术方法；④取得的主要成果及创新点；⑤工作态度及工作量；⑥总体评价及建议成绩；⑦存在问题；⑧是否同意答辩等）：

成 绩：

指导教师签字： 年 月

日

中国矿业大学毕业设计评阅教师评阅书

评阅教师评语（①选题的意义；②基础理论及基本技能的掌握；③综合运用所学知识解

决实际问题的能力；③工作量的大小；④取得的主要成果及创新点；⑤写作的规范程度；⑥总体评价及建议成绩；⑦存在问题；⑧是否同意答辩等）：

成 绩：

评阅教师签字： 年 月

日

中国矿业大学毕业设计答辩及综合成绩

答 辩 情 况 回 答 问 题 提 出 问 题 正 确 基本 正确 有一般性错误 有原则性错误 没有 回答 答辩委员会评语及建议成绩： 答辩委员会主任签字： 年 月 日 学院领导小组综合评定成绩： 学院领导小组负责人： 年 月 日

摘 要

人脸识别是当今模式识别领域的热门研究课题，是辨识身份的重要手段。而人脸检测是人脸识别的前提和基础，只有先将图像和视频中的人脸准确定位出来才能对其进行有效识别。人脸检测问题在通用目标检测领域有其重要的研究意义。

在本文的前三章中，我们重点介绍了基于学习的人脸检测流程，并以此引出了基于学习的人脸检测算法的代表——基于AdaBoost人脸检测方法，AdaBoost算法是1995年提出的一种快速人脸检测算法，是人脸检测领域里程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在效率不降低的情况下，检测正确率得到了很大的提高。

在第四章，我们介绍了影响AdaBoost训练算法的两个重要因素：haar矩形特征与积分图，同时，我们还对haar矩形特征进行了扩展，由原先的5个扩展到15个，使其更加完备，能够应对更广范围内的人脸检测问题。

在第五章，我们介绍了分类器训练级联的方法和AdaBoost算法的详细流程。对传统的弱分类器构造方法提出了改进，将原先的一个适应性阈值上升为上下限两个阈值。

在第六章，我们介绍了基于OpenCV AdaBoost人脸检测方法的实现，重点阐述了基于OpenCV人脸分类器的训练方法。

在文章的最后，我们对该设计方案做出了总结，并对未来人脸检测的研究方向做出了展望。

关键词：人脸检测； 积分图； haar特征； AdaBoost； 分类器级联