基于RLAB特征的人臉在線檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、人臉檢測處理的核心問題是對(duì)任一給定的圖像判斷其是否存在人臉，若存在則進(jìn)一步找出人臉的位置和范圍等信息。人臉檢測最初作為人臉識(shí)別系統(tǒng)的定位環(huán)節(jié)被提出，主要用于人臉識(shí)別的預(yù)處理。近年來人臉檢測課題逐漸成為了新的研究熱點(diǎn)，廣泛應(yīng)用于視頻，機(jī)器人智能化和醫(yī)學(xué)等領(lǐng)域。如在筆記本電腦和手機(jī)提供了登錄識(shí)別和笑臉檢測拍照等很多方便的功能。人臉是一種具有友好和明顯等特點(diǎn)的生物特征。但人臉局部特征具有很大的隨機(jī)性，且易受光照和遮擋等外界影響，使得人臉檢測成

2、為一個(gè)非常具有挑戰(zhàn)性的課題。國內(nèi)外的研究者們提出了很多有效的人臉檢測算法，大致可以分為基于知識(shí)的方法、不變特征量法、模版匹配方法和基于統(tǒng)計(jì)理論的方法四類。
　　本文實(shí)現(xiàn)人臉在線檢測系統(tǒng)使用的是比較高效和主流的統(tǒng)計(jì)學(xué)習(xí)方法。人臉在線檢測系統(tǒng)作為視頻在線人臉識(shí)別系統(tǒng)的子系統(tǒng)被提出，包括系統(tǒng)通信、人臉檢測和模型訓(xùn)練三部分。系統(tǒng)的通信模塊負(fù)責(zé)接收客戶端請(qǐng)求識(shí)別的圖像以及發(fā)送返回識(shí)別結(jié)果，基于Windows平臺(tái)中最好的通訊模型I/O完成端口

3、實(shí)現(xiàn)的高性能C/S通信框架，具有高吞吐量和較低延遲。人臉檢測采用下采樣縮小圖像的策略，面向特征和面向窗口兩種方式，使用瀑布分類器搜索不同尺度和不同位置的圖像，區(qū)域合并后得到最終的人臉信息。模型訓(xùn)練則通過圖像歸一化、特征空間計(jì)算和弱分類器挑選、強(qiáng)分類器構(gòu)造等復(fù)雜的計(jì)算和操作最終級(jí)聯(lián)出一個(gè)高性能的瀑布分類器。
　　人臉檢測是人臉識(shí)別系統(tǒng)的前端，人臉檢測的結(jié)果的好壞直接影響著后續(xù)的定位跟蹤和識(shí)別功能的實(shí)現(xiàn)。為了提高算法的性能，本文首先基