视频中运动图像识别技术的研究与应用.rar

摘 要:图像处理技术是当今社会一门跨学科的重要且热门研究的领域，目前水平已处于世界前列.随着人工智能在我们的生产生活中占有越来越高的地位，人脸作为一个重要的生物特征，吸引了大批的学者研究应用，使得人脸识别成为一个热门的领域，算法日新月异，在计算机图像分析和模式识别领域取得了巨大进步.

本文主要研究视频中运行图像的识别问题，阐述了图像处理及人脸识别的研究意义，以人脸检测为主要研究过程.人脸检测是一种重要且相对复杂的模式识别问题，运用广泛，在图像处理技术日益成熟的同时也迅速成长，在人脸识别技术中占有重要地位.本文重点在运动的图像即视频中动态的提取每一帧，对图像进行处理和分析，其中包括的关键模块有视频单帧提取，图像变换，图像压缩编码，图像的边缘检测等内容，在每一帧图像中判断是否包含人脸及其快速准确地确定位置与大小，选取出人脸部位以便进一步操作，即为人脸检测.本文基于Haar-like特征、采用Adaboost算法进行人脸检测，以OpenCV为平台训练级联分类器，实现了在PC机上进行快速的检测，有较强的实用性.

关键词：图像处理；人脸检测；Haar-like特征；Adaboost算法；级联分类器

目录

摘要

ABSTRACT

第1章 绪论-1

1.1研究背景内容和意义-1

1.1.1研究背景-1

1.1.2研究内容-2

1.1.3研究意义-2

1.2 图像处理概述-2

1.3 人脸检测概述-3

1.4 本文的结构安排-3

第2章 图像处理-5

2.1图像的表示-5

2.1.1 图像的概念-5

2.1.2 RGB模型-5

2.1.3 YUV 模型-5

2.2 图像预处理-6

2.2.1直接灰度变换-6

2.2.2 直方图变换-6

2.3 边缘检测-7

2.4 JPEG图像压缩与解压-8

2.4.1 JPEG文件格式-8

2.4.2 JPEG压缩编码-9

2.4.3 JPEG解码-10

2.5 本章小结-12

第3章 人脸检测-13

3.1 引言-13

3.2 人脸检测原理-13

3.2.1基于Adaboost算法的人脸检测-13

3.2.2基于Adaboost算法的人脸检测原理-13

3.2.3 haar分类器-16

3.2.4 人脸检测整体实现-17

3.3 本章小结-17

第4章 人脸检测实验-19

4.1 OpenCV-19

4.1.1 OpenCV的结构和内容-19

4.1.2 OpenCV 内部函数的应用-19

4.2级联分类器-20

4.3 人脸检测实验过程-24

4.4 人脸检测效果分析-25

4.5 本章小结-27

第5章 总结与展望-29

5.1 总结-29

5.2 不足之处及未来展望-29

参考文献-31

致 谢-33