基于Haar-Like 特征的人脸检测算法研究.zip

通过对基于Haar-like特征的AdaBoost人脸检测算法研究，利用由该算法训练的级联分类器和计算机视觉类库OpenCV进行人脸检测系统设计，实现了基于静态图像、摄像头视频和avi视频的人脸检测与标记，以及标记后的人脸区域图像实时显示和存盘。此外，在VC++6.0环境下实现了对人脸检测系统软件界面的开发。实验结果表明，该检测系统开发周期短，检测速度快，实时性强，检测率高，可作为人脸识别和人脸跟踪系统的开发基础。

心理学上的研究表明，面部表情变化主要集中在眼睛、眉毛、鼻子、嘴巴等面部器官上。受其启发，提出一种基于面部结构的表情识别方法，重点分析眼睛、眉毛、鼻子、嘴巴等关键区域的联动变化来分析表情。首先，使用鲁棒的判别响应图拟合（discriminative response map fitting，DRMF）方法自动检测出对识别人脸表情最为关键的局部人脸区域，即眼睛、眉毛、鼻子和嘴巴的部分；然后从这些关键部分中提取Haar特征；最后采用Boosting学习和联动机制，学习得到基于联合Haar特征的表情分类器。在CMU表情数据库和JAFFE表情数据库上的实验结果表明了上述方法的良好性能，即基于面部构件识别表情的方法获得了与手工精准标注人脸面部构件识别表情方法相近的识别效果。

针对智能车辆和安全驾驶辅助系统中车辆检测问题,提出一种基于类 Haar 特征和 AdaBoost 分类器并结合车辆灰度对 称性验证的前车检测方法。 使用积分图方法计算图像类 Haar 特征,并对提取的海量类 Haar 特征应用 AdaBoost 算法进行特征 选择及分类器训练,最后使用所选择的特征及分类器进行测试。 实验结果表明,该方法在阴天和晴天情况下检测率分别为 90. 86% 、91. 15% ,可以快速、有效地进行前车检测

采用积分图的方法,快速提取图像haar-like特征