摘要：视频监控[1]存在了近30年的时间，但模拟的VCR、DVR只能完成记录和传输功能，较难对信号进行深入的分析和处理，进而产生了网络数字视频技术。最近几年以来计算机网络传输等技术在社会上不断地进步，数字信息的规模已经远远不是模拟信息可以比拟的，其主要原因就是数字信息更容易存储和分析。所以，在视频监控领域采用对视频信息进行处理、分析、标记受到越来越多的人的青睐。

其中，人脸检测与追踪的研究具有重要的学术研究价值。人脸的研究是一种具有相当复杂的细节变化的自然结构的研究目标，对这种目标研究的挑战性在于，人脸由于相貌、表情、皮肤颜色等特征的不同，具有相对的模式可变性；在人脸上，有眼镜、胡须、妆容等附属物的存在。但是人脸影像由于其三维物体的特性，必然会受到由光照产生的阴影的影响。基于OpenCV的人脸检测与追踪在计算机领域内，计算、模式检测、标记等方面有着极其重要的促进作用。利用Adaboost的人脸检测算法[2]和计算机视觉类库OpenCV可以实现人脸检测。

本论文以OpenCV库为基础，以VS2017为编译环境，其研发的系统具有人脸检测及人脸追踪等功能。同时在代码完成后，还进行了不同条件下算法的性能测试，如遮挡、表情变化、光线变化等。

关键词：人脸检测；人脸追踪；级联分类检测器

目录

摘要

Abstract

1绪论-1

1.1课题提出背景-1

1.2人脸检测技术的研究意义-2

1.3课题研究主要内容-2

2系统的需求分析与方案选择-3

2.1可行性分析-3

2.1.1技术可行性-3

2.1.2操作可行性-3

2.2需求分析-3

2.2.1功能需求分析-3

2.2.2软件环境需求分析-4

3技术支持-5

3.1 AdaBoost算法-5

3.2哈尔特征-5

3.3积分图像-6

3.4转化灰度图-7

3.5直方图均衡化-7

4研究方案及系统设计-8

4.1人脸检测方案-8

4.2人脸跟踪方案-9

4.3需求函数原型-10

4.3.1 haarcascade_frontalface_alt-10

4.3.2 detectMultiScale（函数）-10

4.3.3 cvCvtColor（函数）-11

4.3.4 cvEqualizeHist（函数）-11

4.3.5 Rectangle（函数）-12

4.3.6 VideoCapture类的构造函数-13

5系统调试-14

5.1测试方案-14

5.2人脸检测测试结果-15

5.2.1正常环境下测试-15

5.2.2表情变化-16

5.2.3有遮挡的情况-17

5.2.4光线不足的情况-18

5.3人脸追踪测试结果-19

结    论-20

参 考 文 献-21

附录A代码实现-22

致    谢-24