工具类服务
编辑部专用服务
作者专用服务
基于OpenCV的人脸检测识别及跟踪的研究
人脸检测定位与跟踪是计算机视觉与模式识别领域中重要的基础研究课题，在基于内容的图像与视频检索、视频监控、自动人脸识别以及智能人机交互等方面有着重要的应用价值。
本文阐述了国内外人脸识别技术研究也应用的发展现状，介绍了常见的人脸检测识别方法，重点分析了集成机器学习的一个重要机制：多个弱分类器集成的方法，机器学习中的弱学习到强学习，集成的关键是投票，最简单的方法是“绝对多数”的方法。在本文中着重讨论了Viola等提出的基于AdaBoost的实时人脸检测算法，该方法使用了Harr—like特征表示图像，引入了“积分图”概念，提高了特征的计算速度，采用AdaBoost方法选择少量特征组成强分类器，使用了“Cascade”策略提高人脸检测速度，取得较好检测性能。文中还详细阐述了当今国内外流行的人脸跟踪算法，并且讨论了各算法的优缺点，最后基于Meanshift跟踪算法，并以卡尔曼滤波器作为目标估计方法，实现了视频中人脸的跟踪。
本文还改进了Meanshift的人脸跟踪算法，在该算法引入自适应跟踪窗口，使其够连续准确地对目标进行跟踪，制作了训练系统框架，讨论了跟踪窗口的建立与管理，多目标的序贯跟踪，目标的对应问题，及目标队列的更新，并对比了不同人脸检测方法使用的样本集规模，在文中详细介绍了Adaboost分类器的训练原理及方法，训练分类器的详细设计过程并给出训练程序的代码。
本文中人脸算法的研究是基于OpenCV开源代码的。在OpenCV开源代码中设计了一些基础的数据类型和一些帮助数据类型，由于OpenCV的源代码完全开放，本文的研究中利用这套代码在PC上以VisualC++集成开发环境做平台搭建了一个基于OpenCV的人脸检测跟踪系统，最后就人脸检测率、误检率、检测速度、鲁棒性与文献[37]的方法进行了比较，对在采用Kalman滤波器前后的收敛次数进行了比较。测试结果表明，本文的人脸检测器检测率接近90％，同时具有较低的误检率，跟踪效果良好。
学科专业：
授予学位：
学位授予单位：
导师姓名：
学位年度：
在线出版日期：
本文读者也读过
相关检索词
万方数据知识服务平台--国家科技支撑计划资助项目（编号：2006BAH03B01）(C)北京万方数据股份有限公司
万方数据电子出版社当前位置:&&
南京林业大学 毕业设计开题报告 题目：基于OpenCV的树木视觉图像 ..&#46..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
南京林业大学 毕业设计开题报告 题目：基于OpenCV的树木视觉图像 ...
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于OpenCV的规则薄壁零件尺寸视觉测量系统设计开题报告模板.doc 8页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：120 &&
基于OpenCV的规则薄壁零件尺寸视觉测量系统设计开题报告模板.doc
你可能关注的文档：
··········
··········
毕业设计（论文）学生开题报告
课题名称 基于OpenCV的规则薄壁零件尺寸视觉测量系统设计
课题类型 A—工程实践型 指导教师 吴庆华
号 + 专业班级 11质量二班
一、本课题的研究现状、研究目的及意义
1. 研究现状
机器视觉的发展
机器视觉是研究用计算机来模拟生物外显或宏观视觉功能的科学和技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理和模式识别等多个领域的交叉学科，主要用计算机来模拟人的视觉功能从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际的检测、测量和控制。
机器视觉是一个相当新且发展十分迅速的研究领域，并成为计算机科学的重要研究领域之一。机器视觉是在20世纪50年代从统计模式识别开始的，当时的工作主要集中在二维图像分析和识别上，如光学字符识别、工件表面、显微图片和航空图片的分析和解释。70年代中期，麻省理工学院人工智能实验室正式开设机器视觉课程。机器视觉的全球性研究热潮是从20世纪80年代开始的，到了80年代中期，机器视觉获得了蓬勃的发展，新概念、新方法、新理论不断涌现。到目前为止，机器视觉仍然是一个非常活跃的研究领域。
机器视觉技术正被广泛的应用于各个方面，从医学图像到遥感图像，从工业检测到文件处理，从毫微米技术到多媒体数据库。可以说，需要人类视觉的场合几乎都需要机器视觉，而许多人类视觉无法感知的场合，如精确定量感知、危险场景感知、不可见物体感知等，机器视觉更凸显其优越性。
机器视觉技术在国外发展的比较早。在国外，机器视觉检测从上世纪八十年代初开始已经得到了广泛的研究。国内的机器视觉检测研究从上世纪九十年代才逐步开始。目前，基于机器视觉的测量技术在国外得到了广泛的应用，已有部分产品问世，但是在国内还属于刚刚起步阶段。
机器视觉在尺寸测量方面的发展
尺寸测量是机器视觉研究和应用的重要领域，也是一个比较早开始的研究方向。基于机器视觉的尺寸测量技术是非常有效的非接触检测技术，被广泛地应用于各种加工件的在线检测和高精度、高速度的检测技术领域。
国外在机器视觉检测方面应用较早，如加拿大DALSA Coreco集团IPD机器视觉系统用于工业零件检测，采用背光源的照明方式能够清晰的拍摄出螺纹边缘轮廓图像，选择Inspect检测工具中的Tip工具计算出指定范围内边缘的顶点，再通过Distance工具计算出顶点与顶点之间的距离，系统的实际分辨率能够达到0.05巴西学者将CCD视觉检测系统用于研究刚体的运动;美国学者将CCD应用于高精度机械位移与应变测量系统。
九十年代以后，国内在基于机器视觉的尺寸测量方面也有了显著的成果和应用。上海交通大学自动化测控中心的机械零件尺寸检测的研究，采用测量点序列进行最小二乘法拟合以得到直线或圆参数的估计值。浙江大学生产工程研究所为宁波某集团所开发的一种轴圈参数测量仪器一一ZQ1001系列轴承外圆参数测量仪;洛阳轴承研究所生产的设备ZD0903成品球轴承内外径自动检验机;中原精密有限公司生产的是HJN系列的轴承内外圈自动检验机;西安工业学院和汉江工具联合开发的齿轮测量中心具有独创的三维半高精度扫描测头，采CCK-III型专用测控系统及数字化交流伺服系统使仪器具有较高的技术水平;由天津大学和南京依维柯汽车有限公司联合研制的“依维柯白车身三维激光视觉检测系统”采用激光技术、CCD技术，利用基于三角法的主动和被动视觉检测技术实现被测点三维坐标尺寸的准确测量，其性能指标达到国际先进水平;台湾智泰科技集团在国内测量仪器方面有很多的成果，如2D光学影像量测仪(加强型)，3D光学影像测量仪(三坐标复合型，全自动型)。2D光学影像系统测量仪不但有点、线、圆、两点距离、角度等的基本测量功能外，而且建立相对坐标系，坐标平移及共建自动摆正功能。3D影像测量仪是在2D光学影像仪的基础上增加了高精度的探针测头，因此在原有的基础上又增加了对柱形、球、锥、高度等的测量;深圳市赛克数码科技开发有限公司成立于2003年6月，2004年7月推出中国第一台全数字化影像仪一SK4002A; 2005年8月SK8004全数控光学检测仪研发成功;2005年10月SK5002A三维数字化影像仪研制成功。
尽管机器视觉技术得到了广泛的应用和快速发展，但是仍然有很多问题有待解决。特别是在尺寸测量方面，还有很多工作需要我们努力。
2. 研究目的和意义
基于机器视觉的测量技术是近年发展起来的一种自动化无损检测新方法，具有速度快、稳定性好、精度高、易于维护等特点，在工业生产中得到了广泛的重视和应用。本课题旨在引入机器视觉的测量方法，解决目前小型规则零件二维尺寸测量中存在的一系列问题。
检测技术是现代制造业的基础
正在加载中，请稍后...您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
基于OpenCV的车辆检测毕业论文.doc 34页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
需要金币：200 &&
你可能关注的文档：
··········
··········
智能交通系统(ITS)是目前世界交通运输领域正在研究和广泛关注的课题。
近年来，智能交通系统的应用给交通运输业带来了巨大的经济效益，对于道路设
计、流量监控和高速公路管理起到了越来越重要的作用。论文所研究的视频车辆
检测技术在ITS中占有很重要的地位，与传统的车辆检测方法相比，视频车辆检测技术不仅具有安装维护便捷且费用较低、可监视范围广等诸多优点，同时可对道路现场图像进行智能化分析和处理。
本文利用OpenCV中对运动物体检测的数据结构、函数库，建立了一个视频车辆分析系统，用于道路上车辆的检测。检测过程是首先对视频图像进行预处理，比如二值化、去噪等；然后进行背景的提取及更新，由于背景差分法是通过当前帧和背景帧相减来提取运动目标，所以实时的背景更新尤为重要，本文采用多帧求平均的方法来更新背景，避免了光照条件和气候环境等带来的不利影响；最后利用背景差分法检测出运动车辆。经过实验验证，该方法可以较准确地检测出车辆目标，检测的成功率可达到90%以上。
关键字： 视频处理
Intelligent Transportation Systems (ITS) is the subject of study and attention in the world's transportation sector.In recent years, the application of intelligent transportation systems has brought enormous economic benefits to the transportation industry,and it has played an increasingly important role in the road located design, traffic monitoring and highway management.The video vehicle detection technology in this thesis study plays an important role pared with the traditional method of vehicle detection, video vehicle detection technology has easy installation and maintenance,low cost, wide range that can be monitored and many other advantages , while it can do intelligently analysis and processing to the image of the road scene.
This thesis sets up a video vehicle analysis system for detecting vehicles on the road by the moving object detection data structure and function library in OpenCV. Detection processes include:First,video image pre-processes,such as binary,Next,background extraction and update, as background subtraction is based on that subtract the current frame from background frame to extract moving target,real-time background update is particularly important, we use multi-frame averaging method to update the background,which avoids the the adverse impact of light conditions and climatFinally, the detection of moving vehicles by background subtraction.Experimental results show that this method can accurately detect the vehicle target, th
正在加载中，请稍后...& 本文记录使用OpenCv操作图像上每一个像素点，用摄像头采集(拍照)或者直接加载一副图像后，树莓派系统会在内存中为这幅图像分配内存空间，通过定义的IplImage结构体指针指向这块内存空间就方便可以操控它。因为IplImage结构体中定义了很多内部变量，代表图像的属性，具体如下:
1.IplImage结构具体定义如下：
typedef struct _IplImage
int nS /* IplImage大小 */
int ID; /* 版本 (=0)*/
int nC /* 大多数OPENCV函数支持1,2,3 或 4 个通道 */
int alphaC /* 被OpenCV忽略 */
/* 像素的位深度，主要有以下支持格式： IPL_DEPTH_8U, IPL_DEPTH_8S, IPL_DEPTH_16U,IPL_DEPTH_16S,& & & & & & & & & & & & &
& & & & & & & & & & & & & & & & & & & & & & & & & & & IPL_DEPTH_32S,IPL_DEPTH_32F 和IPL_DEPTH_64F */
char colorModel[4]; /* 被OpenCV忽略 */
char channelSeq[4]; /* 同上 */
int dataO /* 0 - 交叉存取颜色通道, 1 - 分开的颜色通道.只有cvCreateImage可以创建交叉存取图像 */
/*图像原点位置： 0表示顶-左结构,1表示底-左结构 */
/* 图像行排列方式 (4 or 8)，在 OpenCV 被忽略，使用 widthStep 代替 */
/* 图像宽像素数 */
/* 图像高像素数*/
struct _IplROI * /* 图像感兴趣区域，当该值非空时，只对该区域进行处理 */
struct _IplImage *maskROI; /* 在 OpenCV中必须为NULL */
void *imageId; /* 同上*/
struct _IplTileInfo *tileI /*同上*/
int imageS /* 图像数据大小(在交叉存取格式下ImageSize=image-&height*image-&widthStep），单位字节*/
char *imageD /* 指向排列的图像数据 */
int widthS /* 排列的图像行大小，以字节为单位 */
int BorderMode[4]; /* 边际结束模式, 在 OpenCV 被忽略*/
int BorderConst[4]; /* 同上 */
char *imageDataO /* 指针指向一个不同的图像数据结构（不是必须排列的），是为了纠正图像内存分配准备的 */
IplImage结构体是整个OpenCV函数库的基础，在定义该结构变量时可以用函数cvCreatImage，变量定义方法如下：
IplImage* src=cvCreateImage(cvSize(400,300), IPL_DEPTH_8U,3);
上句定义了一个IplImage指针变量src，图像的大小是400×300，图像颜色深度8位，3通道图像。
2.再看一个结构体CvScalar：
CvScalar就是一个包含四个元素的结构体变量。
CvScalar定义可存放1—4个数值的数值，其结构如下。
typedef struct CvScalar
& & & & &double val[4];
================================================================
CvScalar pt；
如果使用的图像是1通道的，则pt.val[0]中存储数据
如果使用的图像是3通道的，则pt.val[0]，pt.val[1]，pt.val[2]中存储数据
补充：很多人不理解通道是什么？这里做出个人理解：所谓单通道就是一个像素点占一个字节(8位)
所以单通道图像为灰度图像，OpenCv的通道可以是1、2、3、4。而三通道即一个像素点占3个字节，
三通道的图像为彩色图像。
1.在内存中彩色图像存储顺序为BGR &不是RGB!
2.注意IplImage结构体中的widthStep分量的意思是一行图像所占的字节数。和width不一样，width指的是
& &一行上的像素点数，而widthStep是一行所占的字节数(以字节为单位)。因此，通过上面说的单通道和多
& &通道的区别，聪明的你肯定知道了。
===============================================================
使用cvGet2D 函数获得某个点的值,idx0=hight&行值,idx1=width&列值。
& & & CVAPI(CvScalar) cvGet2D( const CvArr* arr, int idx0, int idx1 );
& &使用cvSet2D 函数给某个点赋值。
& & & CVAPI(void) cvSet2D( CvArr* arr, int idx0, int idx1, CvScalar value );
&-----------------------------------------------
由上可见，cvGet2D的返回类型和cvSet2D中value的类型都是CvScalar
下面是利用IplImage这个结构体内部变量的一个例子，目的:改变一个图像的中间一行为白色：
运行后发现图像中间有一行变为全白色。
本文已收录于以下专栏：
相关文章推荐
OpenCv矩阵操作
有很多函数有mask，代表掩码，如果某位mask是0,那么对应的src的那一位就不计算，mask要和矩阵/ROI/的大小相等
大多数函数支持ROI，如果图像ROI被设...
CvMat是OpenCV比较基础的函数。初学者应该掌握并熟练应用。但是我认为计算机专业学习的方法是，不断的总结并且提炼，同时还要做大量的实践，如编码，才能记忆深刻，体会深刻，从而引导自己想更高层次迈进...
cvSet2D 给某个点赋值，
CVAPI(void)
cvSet2D( CvArr* arr,
int idx0, int
idx1, CvScal...
本文记录使用OpenCv操作图像上每一个像素点，用摄像头采集(拍照)或者直接加载一副图像后，树莓派系统会在内存中为这幅图像分配内存空间，通过定义的IplImage结构体指针指向这块内存空间就方便可以操...
每过几天就去看看OpenCV.org的更新，今天突然发现了一个有趣的东西。http://opencv.org/mastering-opencv-with-practical-computer-visi...
转自：/lidabo/p/3437587.html
好长时间没写博文了，今天偷偷懒写篇关于opencv2中鼠标响应操作的文章。
...
每过几天就去看看OpenCV.org的更新，今天突然发现了一个有趣的东西。http://opencv.org/mastering-opencv-with-practical-computer-visi...
以下均针对opencv1.0
第一种方法：使用cvGet2D及cvSet2D对于单通道图像：
IplImage* img = cvCreateImage(cvSize(640, 480), I...
0x01. 像素
有两种直接操作图片像素点的方法：
第一种办法就是将一张图片看成一个多维的list，例如对于一张图片im，想要操作第四行第四列的像素点就直接 im[3,3] 就可以获取到这个点的R...
虽然使用OpenCV已经有一段时间，但是一直没有涉及单个像素点的操作。今天在提取像素点绘制水平以及数值轴直方图时，总感觉直方图提取反了，直到x,y坐标交换才得出正确结果。找到这篇文章，坐标系以及像素点...
他的最新文章
讲师：李江龙
讲师：司徒正美
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)