摘要：在本设计中，对于人脸的检测，采用的是OpenCV视觉库提供的基于“haar”特征和“adaboost”算法的人脸分类器，检测出人脸图像，并取得了理想的效果。对于人脸的识别，采用子图分割思想，提取每张子图的特征值，并将这些特征值进行组合构成整幅人脸图片的特征。把提取了特征值的人脸图片看成空间中的点，通过计算两点之间的欧式距离作为相似性测度，并采用最近邻分类器来匹配识别人脸。在本设计中，同时使用了数据库技术，在SQL数据库中存放每个人的信息，当人脸被识别出来后，就可以显示出档案信息，这样更接近于实际应用。

关键词 人脸定位；人脸识别；特征提取；分类器

目录

摘要

Abstract

1 绪论-1

1.1研究背景和意义-1

1.2国内外发展状况-1

1.2.1国内发展状况-1

1.2.2国外发展状况..-2

2 人脸检测定位算法-3

2.1 Haar特征-3

2.1.1特征表示-3

2.1.2 Haar特征的个数-5

2.2 Adaboost训练分类器-6

2.2.1 Adaboost算法简介-6

2.2.2 Adaboost核心思想-6

2.2.3 Adaboost训练过程-7

2.3人脸检测流程-8

2.3.1提取特征-8

2.3.2训练分类器-9

2.3.3图像人脸检测-9

3 人脸识别算法-10

3.1基于子图分割的人脸特征提取-10

3.1.1子图分割思想-10

3.1.2标准差特征-10

3.1.3特征表达-11

3.2人脸识别分类准则-12

3.2.1相似性测度-12

3.2.2分类器-12

3.2.3识别过程-12

4 开发工具-14

4.1 Microsoft Visual C++-14

4.2 Opencv视觉开发库-14

4.3 SQL SERVER数据库-14

5 系统实现-15

5.1系统主界面和功能介绍-15

5.2人脸检测定位识别功能-16

5.2.1人脸检测定位-16

5.2.2人脸识别-18

5.3人物档案显示-23

5.3.1数据库设计-23

5.3.2数据库访问技术-24

5.3.3程序调用数据库-24

5.3.4档案信息显示-26

结论-28

致谢-29

参考文献-30