医院就诊病人人脸检测系统设计.doc
![](http://www.queshao.com/template/default/images/docicon1.gif)
![](http://www.queshao.com/template/default/images/docicon2.gif)
![](http://www.queshao.com/template/default/images/docicon3.gif)
![](http://www.queshao.com/template/default/images/docicon4.gif)
约31页DOC格式手机打开展开
医院就诊病人人脸检测系统设计,1.27万字自己原创的毕业论文,仅在本站独家出售,重复率低,推荐下载使用摘要人脸检测是指判断图像中是否有人脸,如果有人脸,则确定人脸在图像中的位置和大小。人脸检测起源于人脸识别课题的研究,进入90年代,人脸检测开始作为一个独立的课题受到研究者的重视,人脸检测技术不仅是人脸识别、表情识别、人脸...
![](http://img.queshao.com/images/pcgzh.gif)
![](http://preview.queshao.com/tobuy/423007.gif)
内容介绍
此文档由会员 淘宝大梦 发布
医院就诊病人人脸检测系统设计
1.27万字
自己原创的毕业论文,仅在本站独家出售,重复率低,推荐下载使用
摘要 人脸检测是指判断图像中是否有人脸,如果有人脸,则确定人脸在图像中的位置和大小。人脸检测起源于人脸识别课题的研究,进入90年代,人脸检测开始作为一个独立的课题受到研究者的重视,人脸检测技术不仅是人脸识别、表情识别、人脸跟踪等技术的重要前提条件,同时在模式识别、人机交互、智能监控、视频检索等领域也引起了广泛的重视。
随着人脸检测研究的逐渐深入,其算法也在层出不穷的出现。AdaBoost算法就是在要求人脸检测速度快、正确率高的情况之下出现的。基于AdaBoost算法的人脸检测方法从由积分图计算出的大量特征中挑选一些重要的特征,构成一系列弱分类器,再把多个弱分类器合成一个强分类器,最后将几个强分类器串联成级联分类器。
本文对人脸检测技术和AdaBoost技术的原理进行了研究和阐述,并将AdaBoost算法应用到人脸检测中去,利用程序设计的相关知识和实用的设计技能设计出了一个小型的基于图片的人脸检测系统,对理论知识有了更深的理解,锻炼了实际的动手能力和研究能力。
关键字 人脸检测 Adaboost算法 级联
Face Detection of Patients in Hospital
Abstract The definition of face detection is that determine whether or not there are any faces in the image and, if present, return the image location and extent of each face. Face detection originated in the recognition on the subject.Since 1990s, face detection began as an independent subject of attention by researchers. Human face detection is not only a necessary precondition of face recognition, expression recognition technology, face tracking,but also, it plays an important role in applications like in the intelligent human-computer interaction, video conferencing, intelligent surveillance, video retrieva l and so on. Therefore, face detection technology attracted widespread attention in pattern recognition, computer vision, human-computer interaction and other fields.
With further research of face detection, the algorithm is also gradually emerge endlessly. In the circumstances of quick speed and high accuracy of face detection required, Adaboost algorithm is appeared. Some important features are selected, from a large number of which are calculated from integral figures. These features form a series of weak classifier, and then some form a strong classifier. Finally several strong classifiers cascade Cascade classifiers. These are the core ideas to the face detection based on Adaboost algorithm.
Face detection technology and Adaboost technology are studied and set forth in details in this paper and Adaboost algorithm is used in face detection. In this paper a small face detection system based on videos and pictures is designed, taking advantage of the program design knowledge and practical design skills. So we have a better understanding of the practical ability and research ability.
Key words Face detection AdaBoost algorithm Cascade
目录
第一章 绪 论 1
1.1 人脸检测的研究背景及意义 1
1.2 人脸检测的研究现状及难点 1
1.3 论文主要的研究工作 3
1.4 本论文主要的结构安排 3
第二章 人脸检测方法 4
2.1 人脸检测方法分类 4
2.1.1 基于知识的方法 4
2.1.2 特征不变量方法 4
2.1.3 模板匹配的方法 5
2.1.4 基于表象的方法 5
2.2 人脸检测结果的评价标准 5
第三章 AdaBoost算法 7
3.1 AdaBoost人脸检测算法 7
3.2 弱学习与强学习 9
3.3 Boosting方法 10
3.4 AdaBoost算法流程和性能分析 10
3.4.1 AdaBoost算法流程 10
3.4.2 AdaBoost算法性能分析 11
第四章 程序实现及结果 13
4.1 样本集 13
4.2 算法程序流程图 14
4.3 训练难点及优化 15
4.3.1 计算成本 15
4.3.2 减少矩形特征的数量 16
4.3.3 样本预处理 16
4.4 检测结果 17
4.4.1 检测器 17
4.4.2 实验结果 18
第五章 总结与展望 21
5.1 总结 21
5.2 人脸检测技术的发展趋势 22
致 谢 23
参考文献 24
附 录 26
1.27万字
自己原创的毕业论文,仅在本站独家出售,重复率低,推荐下载使用
摘要 人脸检测是指判断图像中是否有人脸,如果有人脸,则确定人脸在图像中的位置和大小。人脸检测起源于人脸识别课题的研究,进入90年代,人脸检测开始作为一个独立的课题受到研究者的重视,人脸检测技术不仅是人脸识别、表情识别、人脸跟踪等技术的重要前提条件,同时在模式识别、人机交互、智能监控、视频检索等领域也引起了广泛的重视。
随着人脸检测研究的逐渐深入,其算法也在层出不穷的出现。AdaBoost算法就是在要求人脸检测速度快、正确率高的情况之下出现的。基于AdaBoost算法的人脸检测方法从由积分图计算出的大量特征中挑选一些重要的特征,构成一系列弱分类器,再把多个弱分类器合成一个强分类器,最后将几个强分类器串联成级联分类器。
本文对人脸检测技术和AdaBoost技术的原理进行了研究和阐述,并将AdaBoost算法应用到人脸检测中去,利用程序设计的相关知识和实用的设计技能设计出了一个小型的基于图片的人脸检测系统,对理论知识有了更深的理解,锻炼了实际的动手能力和研究能力。
关键字 人脸检测 Adaboost算法 级联
Face Detection of Patients in Hospital
Abstract The definition of face detection is that determine whether or not there are any faces in the image and, if present, return the image location and extent of each face. Face detection originated in the recognition on the subject.Since 1990s, face detection began as an independent subject of attention by researchers. Human face detection is not only a necessary precondition of face recognition, expression recognition technology, face tracking,but also, it plays an important role in applications like in the intelligent human-computer interaction, video conferencing, intelligent surveillance, video retrieva l and so on. Therefore, face detection technology attracted widespread attention in pattern recognition, computer vision, human-computer interaction and other fields.
With further research of face detection, the algorithm is also gradually emerge endlessly. In the circumstances of quick speed and high accuracy of face detection required, Adaboost algorithm is appeared. Some important features are selected, from a large number of which are calculated from integral figures. These features form a series of weak classifier, and then some form a strong classifier. Finally several strong classifiers cascade Cascade classifiers. These are the core ideas to the face detection based on Adaboost algorithm.
Face detection technology and Adaboost technology are studied and set forth in details in this paper and Adaboost algorithm is used in face detection. In this paper a small face detection system based on videos and pictures is designed, taking advantage of the program design knowledge and practical design skills. So we have a better understanding of the practical ability and research ability.
Key words Face detection AdaBoost algorithm Cascade
目录
第一章 绪 论 1
1.1 人脸检测的研究背景及意义 1
1.2 人脸检测的研究现状及难点 1
1.3 论文主要的研究工作 3
1.4 本论文主要的结构安排 3
第二章 人脸检测方法 4
2.1 人脸检测方法分类 4
2.1.1 基于知识的方法 4
2.1.2 特征不变量方法 4
2.1.3 模板匹配的方法 5
2.1.4 基于表象的方法 5
2.2 人脸检测结果的评价标准 5
第三章 AdaBoost算法 7
3.1 AdaBoost人脸检测算法 7
3.2 弱学习与强学习 9
3.3 Boosting方法 10
3.4 AdaBoost算法流程和性能分析 10
3.4.1 AdaBoost算法流程 10
3.4.2 AdaBoost算法性能分析 11
第四章 程序实现及结果 13
4.1 样本集 13
4.2 算法程序流程图 14
4.3 训练难点及优化 15
4.3.1 计算成本 15
4.3.2 减少矩形特征的数量 16
4.3.3 样本预处理 16
4.4 检测结果 17
4.4.1 检测器 17
4.4.2 实验结果 18
第五章 总结与展望 21
5.1 总结 21
5.2 人脸检测技术的发展趋势 22
致 谢 23
参考文献 24
附 录 26