1、本文對(duì)人臉檢測(cè)與識(shí)別技術(shù)進(jìn)行了研究，實(shí)現(xiàn)了一個(gè)用于視頻搜索的自動(dòng)人臉識(shí)別系統(tǒng)。該系統(tǒng)對(duì)輸入的視頻幀進(jìn)行人臉檢測(cè)和定位，經(jīng)過圖像預(yù)處理之后，進(jìn)行重要特征點(diǎn)Gabor-Fisher的特征提取和分類識(shí)別。本文主要研究了以下三方面內(nèi)容： 1．研究了基于Adaboost級(jí)聯(lián)分類器的人臉檢測(cè)方法，該方法首先利用圖像中的Haar-Like特征構(gòu)造一系列弱分類器，然后通過Adaboost方法對(duì)這一系列弱分類器進(jìn)行訓(xùn)練，構(gòu)造出一個(gè)強(qiáng)分類器，最后將

2、多個(gè)強(qiáng)分類器級(jí)聯(lián)形成分層檢測(cè)結(jié)構(gòu)。實(shí)驗(yàn)表明，對(duì)于視頻中的人臉，該方法有較高的檢測(cè)率，且實(shí)時(shí)性好。 2．提出了一種運(yùn)用矩形框?qū)ふ颐佳蹓K和眼部灰度積分投影相結(jié)合的人眼定位方法，實(shí)現(xiàn)了較高的定位準(zhǔn)確率。以人眼坐標(biāo)為基準(zhǔn)實(shí)現(xiàn)了人臉圖像的幾何歸一化和灰度歸一化，去除了大部分頭發(fā)、背景等干擾信息，并對(duì)姿態(tài)和光照進(jìn)行了校正。 3．在人臉識(shí)別技術(shù)中，研究了特征臉方法、Fisher臉方法及結(jié)合圖像Gabor變換的直接采樣Gabor-Fis

3、her方法和重要特征點(diǎn)Gabor-Fisher方法。與特征臉方法和Fisher臉方法相比，Gabor-Fisher方法對(duì)人臉姿態(tài)、表情和光照變化有更好的容忍性，具有更高的識(shí)別率。 最后，實(shí)現(xiàn)了視頻搜索中的自動(dòng)人臉識(shí)別子系統(tǒng)，用6段視頻對(duì)系統(tǒng)采用的人臉檢測(cè)方法、人眼定位方法和四種人臉識(shí)別方法進(jìn)行了實(shí)驗(yàn)。結(jié)果表明，基于Adaboost的人臉檢測(cè)方法和矩形框人眼定位方法準(zhǔn)確率和速度均能達(dá)到系統(tǒng)要求；識(shí)別方法中，重要特征點(diǎn)Gabor-F