人脸检测开题报告

山东科技大学

本科毕业设计（论文）开题报告题目人脸检测技术研究及MATLAB实现

学院名称电子通信与物理学院

专业班级电子信息工程11级2班

学生姓名赵文明

学号 201101101244

指导教师李晶

填表时间： 2015年 5月 12日

填表说明

1.开题报告作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。

2.此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期完成，经指导教师签署意见、相关系主任审查后生效。

3.学生应按照学校统一设计的电子文档标准格式，用A4纸打印。

4.参考文献不少于8篇，其中应有适当的外文资料（一般不少于2篇）。

5.开题报告作为毕业设计（论文）资料，与毕业设计（论文）一同存档。

设计（论文）

人脸检测技术研究及MATLAB实现题目

设计（论文）

工程设计应用研究开发研究基础研究其它

类型（划“√”）

√

一、本课题的研究目的和意义

近年来，由于视频监控，人机交互和视频检索等应用的需求，视频中的人脸检测研究得到迅速发展。视频中人脸检测可以划分为三个环节:先提取视频文件中的帧，对图像进行人脸检测，再还原成视频，完成视频中人脸的检测。

人脸检测最初来源于人脸识别。是指对于任意一副给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回一脸的位置、大小和姿态，并把有人脸的地放识别出来。

早期，人脸检测技术主要服务于人脸识别课题的研究；但是，随着生物识别技术的快速发展，入脸检测技术己经被广泛的应用于其它相关领域，产生一定的商业价值。例如：国家军事、安全系统验证、视频会议、人机智能交互，各类金融卡、身份验证等等方面具有重要的应用价值。

人脸检测的研究同时也具有非常重要的的学术价值，人脸是一类具有相当复杂的细节变化的自然结构目标，对此类目标的挑战性在于：人脸由于外貌、表情、肤色等不同，具有模式的可变性；一般意义下的人脸上，可能存在眼镜、胡须等附属物；作为三维物体的人脸影像不可避免地受由光照产生的阴影的影响。因此，如果能够找到解决这些问题的方法，成功地构造出人脸检测系统，将为解决其他类似的复杂模式的检测问题提供重要的启示。

人脸检测的目的是检测一张图像是否由人脸，如果有人脸，就把它从图像背景中分离出来，然后对特征进行人脸识别。而在视频中的人脸检测在信息处理中，已经成为是一项相当难突破的技术，越来越受到计算机视觉界的广泛关注，作为这个有价值课题，已经渗透到各不同领域中。

二、本课题的主要研究内容（提纲）

(1)了解人脸检测的常用方法，包括：基于特征的人脸检测方法，模块匹

配法的人脸检测，基于adaboost算法的人脸检测方法；

(2) matlab图像处理工具箱中的视频操作

(3)提取AVI视频文件的帧，对图像进行肤色特征的人脸检测，图像向AVI

视频文件的转换；

(4)人脸检测在MATLAB软件下仿真实现。

三、文献综述（国内外研究情况及其发展）

目前，越来越多的国家开始对人脸检测及其识别的研究。并且发展得很快，已经由原来的静态识别到动态识别，由单向多张脸识别，还有从最初的二维脸识别到现在的三围立体的识别。

在国内，最早研究人脸检测识别的，当属于中科院计算所跟哈工大的一个联合面像实验室。该实验室的高文教授，陈熙林教授，山世光教授，直到今天，都一直活跃在人脸识别领域，更可贵的是，在IEEE上面发表了很多paper。这一点，很值得国内的同行学习。后来，该实验室，成为上海银晨

的研发中心，专门为上海银晨做技术研发和技术支持。其次是中科院生物识别研究所的李子青教授，以及下属的中科奥森公司。李子青教授，当年在微软亚洲研究院的时候，就从事人脸识别方面的研究工作。后来，在中科院组建了专门的人脸识别研究团队。该研究团队，首先提出了基于近红外的人脸识别技术，并将该项人脸识别技术用于08年北京奥运会。同时，基于近红

外的人脸识别技术，得到了国际上同行业专家的认同和一致肯定。接着，是清华大学的丁晓青教授。丁晓青教授在OCR(字符识别)领域，可谓国内第一人。不过，最近几年转行做人脸识别，也是非常有成就的。不说别的，就只从FRVT2006（美国国家标准研究所2006年全球人脸识别供应商系统性能测试）的测试结果来看，丁晓青教授的研究团队是唯一一个完成大规模3D人

脸识别性能测试的参赛团队。由此可见，在国内人脸识别领域来说，她们的算法，在3D领域，绝对排名第一。

国外主要有美国、欧洲国家、日本等著名的科研机构，有美国的MIT和CMU，英国的剑桥大学。在人脸识别领域中，国际上逐步形成了一下几个研

究方向：基于几何特征的方法、基于肤色模型的方法、基于模板匹配的方法、基于KL变换的特征脸方法、基于隐马尔可夫模型的方法和神经网络识别的

方法等等，它们可以被归类到基于显式特征和基于隐式特征的两大类方法中。

发展至今，人脸识别的方法越来越多，最有代表的是基于Haar特征的

人脸识别方法是其中较为典型的方法，该算法不仅具有较高的检测率，同时也能够满足实时检测的要求。基于Haar特征的人脸识别方法始于2001年Paul Viola和Michael Jones两者撰写的一篇论文，他们在论文中提出了Haar特征和Adaboost算法，并利用它们进行人脸检测。但是此方法只能用

于检测正面无旋转的人脸。为此，Rainer Lienhart等人于2002年对此方法进行了扩展, 增加了倾斜特征的定义，此后此方法被扩展到全旋转缩放情况下的人脸检测。自从以上几位学者运用基于Haar特征和Adaboost算法进行人脸检测取得长足进步之后，基于Haar特征的人脸检测方法备受专家学者

的青睐，国内外相关内容的研究成果也层出不穷。