网站大量收购独家精品文档,联系QQ:2885784924

开题报告-人脸检测算法研究.docVIP

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
. .. 南京工程学院 毕业设计开题报告 课 题 名 称: 人脸检测算法研究 说 明 1.根据南京工程学院《毕业设计(论文)工作管理规定》,学生必须撰写《毕业设计(论文)开题报告》,由指导教师签署意见、教研室审查,系教学主任批准后实施。 2.开题报告是毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。学生应当在毕业设计(论文)工作前期内完成,开题报告不合格者不得参加答辩。 3.毕业设计开题报告各项内容要实事求是,逐条认真填写。其中的文字表达要明确、严谨,语言通顺,外来语要同时用原文和中文表达。第一次出现缩写词,须注出全称。 4.本报告中,由学生本人撰写的对课题和研究工作的分析及描述,应不少于2000字,没有经过整理归纳,缺乏个人见解仅仅从网上下载材料拼凑而成的开题报告按不合格论。 5.开题报告检查原则上在第2~4周完成,各系完成毕业设计开题检查后,应写一份开题情况总结报告。 毕业设计(论文)开题报告 学生姓名 池贤城 学 号 208100714 专 业 信息工程 指导教师姓名 程勇 职 称 副教授 所在院系 通信工程学院 课题来源 D.自拟课题 课题性质 A.工程设计 课题名称 人脸检测算法研究 毕业设计的内容和意义 毕业设计内容: 了解与本课题相关的技术的发展情况及国内外现状的基础上,学习掌握人脸检测原理及基于AdaBoost算法的人脸检测的方法,实现对人脸图像进行检测的过程演示。 毕业设计应完成的技术文件: 1)3000字以上毕业设计开题报告 2)2000字以上英文参考文献的中文译文 3)实现人脸检测系统 4)毕业设计论文(15000字以上) 毕业设计意义: 人脸是一个常见而复杂的视觉模式,人脸所反映的视觉信息在人们的交往中有着重要的作用和意义。对人脸进行处理和分析在视频监控、出入口控制、视频会议以及人机交互等领域有着广泛地应用前景。人脸的处理和分析包括人脸识别、人脸跟踪、姿势估计和表情识别等,其中人脸检测是所有人脸信息处理中关键的第一步,近年来成为模式识别和计算机视觉领域内一个受到普遍重视、研究十分活跃的课题。 人脸检测是指对于任意一幅给定的图像,采用一定的策略对其进行有哪些信誉好的足球投注网站以确定其中是否含有人脸(存在)则返回人脸的位置、大小和姿态[1][4-8][11]。人脸检测是自动人脸识别系统中一个关键环节,但是早期的人脸识别研究要针对具有较强约束条件的人脸图像,人脸位置很容易获得,所以人脸检测问题并未受到重视。近几年随着电子商务等应用的发展,人脸识别成为最优潜力的生物身份验证手段,人脸检测开始作为一个独立的课题受到研究者的重视。今天,人脸检测的应用背景已经远远超出了人脸识别系统的范畴,在基于内容的检索、数字视频处理等方面的广泛应用,把人脸检测提到了一个新的高度。在基于内容的检索中,由用户给出一幅人脸图像,利用人脸检测技术,可以很快的在数据库中找出一系列相关图像,这些广泛地应用前景使得人脸检测的研究备受关注。 文献综述 对人脸检测的研究最初可以追溯到20世纪70年代,人脸检测早期的研究主要致力于模板匹配,子空间方法,变形模板匹配等。早期人脸检测方法往往针对简单无变化背景下的正面人脸检测,所以使这些方法在很大程度上显得很呆板。直到90年代,随着实际的人脸识别和视频编码系统开始成为现实,这种情况才有所改变。在过去的十多年里,对人脸检测的极大兴趣开始从几个方面展开。研究者提出了多种检测方法,特别是那些利用运动,肤色和一般信息的方法[4]。统计和神经网络方法的使用也使在复杂背景和多分辨率中的人脸检测成为可能。另外,在能够精确定位的跟踪面部特征提取方法的设计方面也取得了很大的进展。经过多年发展,其主要算法分为以下几类: 基于知识的方法 基于知识的方法是基于规则的人脸检测方法, 规则来源于研究者关于人脸的先验知识[1]。一般比较容易提出简单的规则来描述人脸特征和它们的相互关系, 如在一幅图像中出现的人脸, 通常具有互相对称的两只眼睛、一个鼻子和一张嘴。特征之间的相互关系可以通过它们的相对距离和位置来描述。在输入图像中首先提取面部特征, 确定基于编码规则的人脸候选区域。 这种方法存在的问题是很难将人类知识转换为明确定义的规则。如果规则是详细的( 严格的) , 由于不能通过所有的规则检测可能失败; 如果规则太概括( 通用) , 可能会有较高的错误接收率。此外, 很难将这种方法扩展到在不同的位姿下检测人脸, 因为列举所有的情况是一项很困难的工作。 基于特征的方法 基于特征的方法不仅可以从已有的面部特征而且可以从它们的几何关系进行人脸检测。与基于知识的方法相反, 它是寻找人脸的不变特征用于人脸检测。人们已经提出了许多先检测人脸面部

文档评论(0)

hkfgmny + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档