1、隨著計算機處理速度的提升和傳感技術、分析、渲染設備的應用,計算機越來越智能化。其中人臉檢測是計算機視覺中重要的領域之一,它幾乎是所有人臉分析的基礎,包括人臉校正、人臉建模、人臉重光照、人臉識別、人臉驗證、頭部跟蹤等各種應用。通過對人臉檢測算法的研究,不僅可以了解人臉檢測的多種算法原理,而且可以將其應用于計算機視覺和圖像處理,降低計算復雜度和節(jié)省資源。
　　本文主要分析了基于AdaBoost的人臉檢測算法,鑒于目前大多數(shù)AdaBoo

2、st算法只能面向正臉檢測,限制其在視頻檢測方面的魯棒性,本文結合了橢圓擬合和目標跟蹤算法,針對視頻中任意人臉姿態(tài)的檢測和跟蹤問題,引入霍夫橢圓檢測和Camshift目標跟蹤兩種算法,提高AdaBoost檢測算法對視頻單幀的檢測速率和在視頻中的檢測魯棒性。最后將改進的AdaBoost檢測算法移植到DIM3517的ARM Cortex-A8平臺,實現(xiàn)在嵌入式平臺上的視頻人臉檢測算法。
　　本文的主要工作包括了以下4個方面:
　　

3、(1)第二章主要對AdaBoost人臉檢測算法進行了詳細的介紹,并使用MIT人臉庫訓練出自己的AdaBoost人臉檢測器,在CMU測試人臉庫上進行測試。實驗表明該算法對正臉檢測具有較好的性能,但是對于斜臉和側臉性能不理想。
　　(2)第三章引入隨機霍夫橢圓檢測算法,通過對視頻單幀中的橢圓區(qū)域檢測,來確定人臉檢測的候選區(qū)域,再采用AdaBoost檢測器對候選區(qū)域進行人臉檢測,提高AdaBoost檢測算法對視頻單幀的人臉檢測速率。