OpenCV驱动的人脸检测、识别与跟踪研究：基于AdaBoost与MeanShift的提升

本篇硕士学位论文深入探讨了基于OpenCV的人脸检测、识别及跟踪的研究。作者刘文达，专业为控制科学与工程，由胡荣强教授指导，于2009年完成。论文首先概述了人脸检测定位与跟踪在计算机视觉领域的关键地位及其在图像检索、视频监控、人脸识别和智能人机交互中的应用价值。 论文详细介绍了当前国内外人脸识别技术的最新进展，特别关注了集成机器学习方法，如AdaBoost算法，这是一种通过弱分类器的组合形成强大分类器的策略。Viola等人提出的基于AdaBoost的实时人脸检测算法以其Harr-like特征表示和“积分图”概念，显著提高了特征计算效率，采用“级联”策略提升了检测速度，展现出良好的性能。 接下来，文章详述了各种人脸跟踪算法，包括Meanshift跟踪算法，以及卡尔曼滤波器的应用。作者改进了Meanshift算法，引入自适应跟踪窗口，以增强跟踪的连续性和准确性。此外，论文还构建了训练系统框架，讨论了目标检测、跟踪窗口管理、多目标跟踪、目标对应以及目标队列更新等问题，并对比了不同人脸检测方法所需样本集的规模。 论文的核心部分基于OpenCV开源代码进行实现，作者利用这个平台开发了一个基于OpenCV的人脸检测跟踪系统。论文中不仅详细阐述了Adaboost分类器的训练原理和方法，还提供了训练程序的代码。研究结果中，人脸检测器的检测率接近90%，误检率较低，证明了其较高的准确性和鲁棒性。在采用卡尔曼滤波器前后，收敛次数的对比也显示了滤波器的有效性。 总结来说，这篇论文不仅涵盖了人脸识别技术的基础理论，还展示了如何结合OpenCV工具包进行实际应用，并通过实验验证了所提出算法的性能。这为后续在人脸识别领域进一步研究和开发提供了有价值的参考。