基于OpenCV的人脸检测系统设计

何瑶，陈湘萍

（贵州大学电气工程学院，贵州 贵阳 550025）

0　引言

随着计算机与信息技术的不断发展，人脸检测与识别在各个领域均得到了广泛使用。人脸检测是人脸识别系统中的重要组成单元。人脸检测指的是应用一定的策略对给出的图片或者视频来进行检索，判断是否存在着人脸，如果存在则定位出每张人脸的位置、大小与姿态的过程[1-2]。根据现有的算法，目前的人脸检测方法可分为三类，分别是基于统计理论方法，基于几何特征方法以及基于肤色模型方法。其中，基于统计理论方法中的Adaboost[3-4]人脸检测算法是由剑桥大学的Paul Viola和Michael Jones提出，在人脸检测中应用比较广泛，但也存在着较高的误检率。OpenCV(Open Source Computer Vision Library)由Intel公司开发，是开源的视觉算法库，由C和C++函数组成[5-7]。本文借助OpenCV库，引入HSV色彩空间肤色分割算法，与Adaboost算法相结合，设计基于肤色分割与Adaboost算法相结合的人脸检测系统，并比较该系统与Adaboost算法设计的人脸检测系统对图片与实时视频人脸检测的检测率和误检率。

1　人脸检测算法

1.1　Adaboost算法

1.1.1 Adaboost算法原理

Adaboost算法是通过无数次循环迭代来寻求最优分类器的过程[8]。用弱分类器Haar特征中任一特征放在人脸样本上，求出人脸特征值，通过更多分类器的级联便得到人脸的量化特征,以此来区分人脸和非人脸。Haar功能由一些简单黑色白色水平垂直或旋转45°的矩形组成。目前的Haar特征总的来说广义地分为三类：边缘特征、线特征以及中心特征。Haar特征的本质其实就是一个差值，即人脸特征值[9-10]。……