需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：15407 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘 要:圖像處理技術(shù)是當(dāng)今社會(huì)一門跨學(xué)科的重要且熱門研究的領(lǐng)域，目前水平已處于世界前列.隨著人工智能在我們的生產(chǎn)生活中占有越來(lái)越高的地位，人臉作為一個(gè)重要的生物特征，吸引了大批的學(xué)者研究應(yīng)用，使得人臉識(shí)別成為一個(gè)熱門的領(lǐng)域，算法日新月異，在計(jì)算機(jī)圖像分析和模式識(shí)別領(lǐng)域取得了巨大進(jìn)步. 本文主要研究視頻中運(yùn)行圖像的識(shí)別問(wèn)題，闡述了圖像處理及人臉識(shí)別的研究意義，以人臉檢測(cè)為主要研究過(guò)程.人臉檢測(cè)是一種重要且相對(duì)復(fù)雜的模式識(shí)別問(wèn)題，運(yùn)用廣泛，在圖像處理技術(shù)日益成熟的同時(shí)也迅速成長(zhǎng)，在人臉識(shí)別技術(shù)中占有重要地位.本文重點(diǎn)在運(yùn)動(dòng)的圖像即視頻中動(dòng)態(tài)的提取每一幀，對(duì)圖像進(jìn)行處理和分析，其中包括的關(guān)鍵模塊有視頻單幀提取，圖像變換，圖像壓縮編碼，圖像的邊緣檢測(cè)等內(nèi)容，在每一幀圖像中判斷是否包含人臉及其快速準(zhǔn)確地確定位置與大小，選取出人臉部位以便進(jìn)一步操作，即為人臉檢測(cè).本文基于Haar-like特征、采用Adaboost算法進(jìn)行人臉檢測(cè)，以O(shè)penCV為平臺(tái)訓(xùn)練級(jí)聯(lián)分類器，實(shí)現(xiàn)了在PC機(jī)上進(jìn)行快速的檢測(cè)，有較強(qiáng)的實(shí)用性. 關(guān)鍵詞：圖像處理；人臉檢測(cè)；Haar-like特征；Adaboost算法；級(jí)聯(lián)分類器
目錄 摘要 ABSTRACT 第1章 緒論-1 1.1研究背景內(nèi)容和意義-1 1.1.1研究背景-1 1.1.2研究?jī)?nèi)容-2 1.1.3研究意義-2 1.2 圖像處理概述-2 1.3 人臉檢測(cè)概述-3 1.4 本文的結(jié)構(gòu)安排-3 第2章 圖像處理-5 2.1圖像的表示-5 2.1.1 圖像的概念-5 2.1.2 RGB模型-5 2.1.3 YUV 模型-5 2.2 圖像預(yù)處理-6 2.2.1直接灰度變換-6 2.2.2 直方圖變換-6 2.3 邊緣檢測(cè)-7 2.4 JPEG圖像壓縮與解壓-8 2.4.1 JPEG文件格式-8 2.4.2 JPEG壓縮編碼-9 2.4.3 JPEG解碼-10 2.5 本章小結(jié)-12 第3章 人臉檢測(cè)-13 3.1 引言-13 3.2 人臉檢測(cè)原理-13 3.2.1基于Adaboost算法的人臉檢測(cè)-13 3.2.2基于Adaboost算法的人臉檢測(cè)原理-13 3.2.3 haar分類器-16 3.2.4 人臉檢測(cè)整體實(shí)現(xiàn)-17 3.3 本章小結(jié)-17 第4章 人臉檢測(cè)實(shí)驗(yàn)-19 4.1 OpenCV-19 4.1.1 OpenCV的結(jié)構(gòu)和內(nèi)容-19 4.1.2 OpenCV 內(nèi)部函數(shù)的應(yīng)用-19 4.2級(jí)聯(lián)分類器-20 4.3 人臉檢測(cè)實(shí)驗(yàn)過(guò)程-24 4.4 人臉檢測(cè)效果分析-25 4.5 本章小結(jié)-27 第5章 總結(jié)與展望-29 5.1 總結(jié)-29 5.2 不足之處及未來(lái)展望-29 參考文獻(xiàn)-31 致 謝-33 |
