OpenCV在人脸检测识别与跟踪中的应用研究

"基于OpenCV的人脸检测识别及跟踪的研究" 这篇硕士学位论文详细探讨了基于OpenCV的人脸检测、识别和跟踪技术。作者刘文达在控制科学与工程领域，由导师胡荣强指导，于2009年完成。论文首先概述了人脸识别技术的研究现状和应用背景，特别是在图像检索、视频监控、人脸识别和人机交互中的重要性。 在人脸检测部分，论文重点介绍了AdaBoost算法，这是一种集成学习方法，通过组合多个弱分类器形成强分类器。它利用Haar-like特征来表示图像，并引入积分图以加快特征计算。通过AdaBoost选择关键特征，并采用级联（Cascade）策略加速检测过程，以实现高效的人脸检测。这种方法由Viola等人提出，具有良好的检测性能。 接着，论文详细讨论了多种流行的人脸跟踪算法，包括它们的优缺点。作者选择了基于Meanshift的跟踪算法，并结合卡尔曼滤波器进行目标估计，实现视频中人脸的连续跟踪。为了提升跟踪效果，论文还提出改进Meanshift算法，引入自适应跟踪窗口，解决目标对应和多目标跟踪问题。 此外，论文还深入探讨了Adaboost分类器的训练过程，包括样本集的选择、分类器的设计和训练代码实现。这部分内容是基于OpenCV开源库进行的，OpenCV提供了丰富的数据类型和辅助工具，使得在Visual C++环境下构建人脸检测跟踪系统成为可能。 实验结果显示，该论文提出的人脸检测器达到了约90%的检测率，误检率低，跟踪效果稳定。通过对比，论文还分析了采用卡尔曼滤波器前后收敛次数的变化，进一步证明了其在人脸检测和跟踪中的有效性。 关键词：AdaBoost分类器、级联（Cascade）、Meanshift人脸跟踪、OpenCV