论文总字数：24646字

摘 要

当今社会中对人脸检测和人眼检测的技术需求越来越大。人脸检测技术在不同的领域可以发挥出不同的高效的性能。作为一种不会对使用者产生任何心理不适的生物识别技术，人脸检测和人眼检测得到了快速的发展。其中更为重要的是人眼检测。人眼检测需要做到更为精细的检测，对社会科学发展有着非常巨大的推动作用。本文针对图像中的人眼定位算法研究做了以下工作：

1、讨论分析了人脸检测与人眼粗定位的算法。其中运用积分图计算出图像的haar特征，再运用柔性“级联”分类器将上述得到的特征进行分类。得出图像中的人脸检测图和人眼粗略检测所得到的人眼候选点。

2、讨论分析了人眼精确定位的算法。首先计算并统计图像局部区域的梯度方向直方图来形成HOG特征。然后运用PCA提取数据的主要特征分量。其中讨论了PCA可以在不损失太多图像有用信息的情况下用低维度空间来描述人眼的降维方法。接着运用朴素贝叶斯分类方法来训练认识人眼所需要的训练集。最后确定人眼的精确坐标。

关键词：人脸检测，人眼检测，人眼定位

Abstract

In today’s society, the demand for face detection and human eye detection is growing. Face detection technology in different areas can play a different and efficient performance. As a kind of biometrics that does not produce any psychological discomfort to the user, face detection and eye detection has been rapidly developed. One of the more important is human eye detection. Human eye detection needs to be finely identified to play a great role in promoting social science technology. In this paper, we study the research on human-eye location algorithm in image. The main work and contents of this paper are as follows.

1. Discussion and analysis of the principle of face detection and human eye rough detection. Which uses the integral map to calculate the haar characteristics of the image and then use the soft "cascade" classifier to classify the features obtained above. It could draw the face detection map in the image and extract the candidates of human eye.

2. Discussion and analysis of the principle of human eye detection. First, the gradient histogram of the local area of the image is calculated and counted to form the HOG features. Then use PCA to extract the main feature components of the data. Which discussed the PCA dimension reduction method in low dimension space to describe human eyes under the situation of not losing too much useful information form the image. Then use the Navie Bayesian classification method to train the training set needed to understand the human eye. Finally determine the precise coordinates of the human eye.

KEYWORDS: Face detection, Eye detection, Eye positioning

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 选题背景及意义 1

1.2 国内外研究现状 1

1.2.1 人脸检测现状研究 1

1.2.2 人眼检测现状研究 2

1.3 本文工作及内容 3

第2章 人脸检测与人眼检测 5

2.1 haar特征与积分图像 5

2.1.1 haar特征与积分图像的计算 6

2.1.2 学习讨论 8

2.1.3 学习结果 9

2.2 人眼检测与定位中的Adaboost算法 10

2.2.1 柔性级联分类器 10

2.3 “级联”组合分类器 11

2.3.1 训练分类器级联 12

2.4 人脸检测与人眼检测实验结果 13

第3章 人眼精确定位 16

3.1 PCA 16

3.1.1 PCA基本原理 16

3.1.2 PCA主要作用 16

3.1.3 主成分分析法的计算步骤 16

3.2 HOG特征 17

3.2.1 HOG特征 17

3.2.2 HOG特征提取算法的实现过程 17

3.3 Fisher评分标准 18

3.4 朴素贝叶斯分类方法 18

3.4.1 模型概述 18

3.4.2 学习（参数估计） 19

3.5 人眼精定位实验结果 19

第4章 总结与展望 24

4.1 工作总结 24

4.2 进一步展望 24

致谢 25

参考文献 26

绪论

选题背景及意义

近几十年来，随着社会科技的不断发展，我们迫切的需要可以快速高效的自动生物识别认证技术，而人脸检测是其中非常重要的一中技术，它不单单可以单纯的应用于识别和检测人脸，还给其他更加复杂的生物识别技术打下坚实的基础。作为一种不会对使用者产生任何心理不适的生物识别技术，人脸检测在不同的领域可以发挥出不同的高效的作用。此外，我们还可以通过人脸检测技术来得到人脸上的不同关键信息，比如说不同的表情代表不同的心理情况，以不同的年龄为检测标准的人脸检测技术可以发现不同时间段、不同地点出现的不同年龄段的不同人群，这对研究社会学有着非常大的作用。而人眼检测技术作为人脸检测技术更深层次的发展，有着更加细致的定位检测算法，人眼检测更是在多个领域大放异彩。

如今的人脸检测技术主要可以被应用到以下的情况：

剩余内容已隐藏，请支付后下载全文，论文总字数：24646字