相亲好感检测仪人脸识别模块.doc

相亲好感检测仪人脸识别模块

摘  要

现如今科学技术正处于前所未有的发展阶段，人脸检测特别是实时的人脸检测被越来越重视，国内外对人脸检测投入了大量人力物力，是目前计算机视觉与模式识别领域的热点。本文以相亲实际应用软件为目的设计了一个简易快捷的实时人脸检测系统。针对快速辨别实时方面，采用了一种基于AdaBoost的快速人脸分类检测器。本文将会介绍QT如何连接Pcduino板子上的摄像头模块，并如何在QT下配置Opencv环境。大致阐述OpenCV下如何调用人脸检测分类器及人脸检测分类器的使用原理。该系统使用QT来调用OpenCV下的函数库来进行人脸识别并用矩形框实时标出人脸部分的实现方法。在人脸识别方面，采用Haar改良后的分类器，在满足识别基础上，大大增快了识别速度；在目标跟踪方面，采用矩形框标出人脸部分，使得后台能够快速获取人脸部分图像，加快了后期工作。

关键词：人脸检测，QT，实时监控，OpenCV

THE FACE RECOGNITION MODULE OF BLIND DATE FAVOR DEGREE TESTER

ABSTRACT

Today science and technology is at an unprecedented stage of development,face detection especially real time face detection has been paid more and more attention at home and abroad. The face detection has invested a lot of manpower and resources , is the focus of computer vision and pattern recognition field. In this paper, the blind application software for the purpose of designing a simple and fast real-time face detection system. To quickly identify the real-time, a fast face classification detector based on AdaBoost. This paper will introduce the QT how to connect a camera module Pcduino board, and how to configure Opencv environment under Ot . Generally describes the use of principles of how to invoke the face detection and the face detection under OpenCV. The system uses QT to transfer OpenCV function library for face recognition and real-time implementation method of face parts marked with the rectangular box. In the respect of face recognition, using improved Harr classifier, on the  basis of recognition, greatly increasing the speed of recognition; in the respect of target tracking, using a rectangular box to mark face part, makes the background quick lier obtain part of a face image,speed up later work.

Keywords: Face detection, QT, real-time monitoring, OpenCV

目  录

第一章 绪论 1

1.1 引言 1

1.2 人脸识别国内外研究现状 1

1.3 人脸检测简介 2

1.4 人脸检测主要方法 2

1.5 本系统设计方法及过程 2

第二章 OpenCV和Qt的环境配置及使用 4

2.1 OpenCV简介 4

2.2 QT简介 4

2.3 QT连Pcduino板子上的摄像头 4

2.4 Qt下配置OpenCV环境 7

第三章 人脸检测与跟踪算法 9

3.1人脸检测算法 9

3.1.1 基于模型算法 9

3.1.2基于特征算法 9

3.1.3基于统计学算法 9

3.2人脸跟踪算法 9

3.2.1基于检测特征算法 10

3.2.2基于运动估计算法 10

第四章 人脸检测跟踪系统的实现 11

4.1基于Haar特征的AdaBoost算法 11

4.2改进的LBP特征算法 12

4.3本文采用的思路和分类器 12

第五章 结论 15

参考文献 16

致  谢 17