-弦箭算法的c语言实现(标准学士学位论文.doc

　　　　　　　　　　　　　　　　　　

大学

毕　业　设　计（论文）

题目：　 弦箭算法的 C 语言实现

学生姓名　　　　

学　　号　　　

所在单位

指导教师　　　　王洪群

完成日期　　　　2008.06

索引关键词　人脸检测 边缘 弦箭算法

Abstract: Locating human face in a single and gray level image with

cluttered background remains a difficult problem and needs to be

completed or perfected in recent year. A novel ellipse arrow method

using edge information of the image to location the area of face fast has

put forward by Mr. wang and others. The method contract the space of

the manhunt of the face detection, raise the speed and the efficiency of

the face detection. The article introduce the theories of the ellipse arrow

method through the analysis to the oval characteristic, and programme

the method making use of the language of C under the Microsoft Visual

目录

第二章 弦箭算法的原理 ...........................................................................................................- 5 -

第三章 弦箭算法的编程实现 .................................................................................................- 10 -

第四章 实验检测与分析 .........................................................................................................- 25 -

致谢................................................................................................................................................32

参考文献........................................................................................................................................32

第一章 绪论

人脸识别技术起源于上个世纪六十年代，发展到现在已经有了

四十多年的历史，是当前模式识别和人工智能等领域的一个重要的

研究课题。人脸识别作为一种重要的个人身份鉴别方法，其研究

前景十分广阔，无论是在商业还是法律仲裁领域等都拥有巨

大的应用空间。例如静态领域中的医学、档案管理、刑侦破

较,从而得到人的一些授权信息。人脸识别技术的主要内容可分为为：

输入图像----人脸检测----人脸跟踪-----人脸比对----输出结果。

人脸识别首先要对输入的图像进行人脸检测。人脸检测(Face

Detection)，是指在既有的图像中判断是否存在人脸并确定人脸的

位置、大小等相关信息，进一步提供人脸的主要特征。人脸检测作

为人脸信息识别处理中的一项关键技术，其检测效率的高低将直接

影响到后续模块的执行效果。

人脸检测是一个复杂的具有挑战性的模式检测问题。图像中的

人脸往往随光线的改变、位置的移动、倾斜、旋转和缩放等外部变

Adaboost 学习算法是目前最快的人脸检测算法之一。Boosting

是一种分类器融合算法。Adaboost 学习算法通过对一些弱的分类器

的组合来形成一个强的分类器。在 Adaboost 算法中，简单的分类算

法被称为弱学习算法。Adaboost 算法通过一个迭代的训练过程来得

到一个强的分类器。在第一次训练出一个弱分类器后，训练样本的

权重得到调整，从而使没有被第一次训练出的弱分类器正确分类的

样本的权重增加。如此迭代下去，最终得到的分类器是对每次训练

得到的弱分类器的一个线性组合。由于 Adaboost 算法，要通过迭代

训练将弱的分类器组合成强的分类器，其运算很耗资源。在实际应

用中往往都是结合其他算法来提高运算效率。

域内使用简化的自适应 Hough 变换，检测垂直的脸颊直线边缘和下

颚抛物线边缘；Yuen 分成两步检测椭圆：利用椭圆边缘上任意两点

的切线的交点和这两点的连线的中点的连线必然经过椭圆中心，首

先确定椭圆的中心坐标，再确定剩下的三个参数，虽然比标准 Hough

变换运算量减少了不少，但运算量仍很大。

人脸含有众多的椭圆曲线边缘，如外层、内层头发边缘、嘴眼

边缘、耳朵边缘、下颚边缘等，且曲线凹向均指向人脸内部。王洪

群等人通过对椭圆曲线的分析，提出的了一种特殊的椭圆弦箭累加

算法。该算法避免使用 Hough 变换等一些耗时的算法，具有大面积

快速搜索的能力，确定的搜索范围较小，可以快速确定人脸主要特