1、“.....由于有了以上特点，函数库强大的功能，以及简单易用，移植方便，成为广大学生和科研人员进行数字图像处理方面学习和研究的好工具。要在中使用函数库，首先要将安装文件下的文件夹中的八个文件转换为可以使用的文件，可以使用安装文件下的进行转换。当建立个想要使用函数库的工程时，在中选择下的，添加新转换的文件然后下的，在里面找到这个标签，在加入下面五个路径Ⅵ锄最后在文件头部加上头文件和。肩部图像。基于神经网络的人脸检测方法神经网络具有记忆功能，当训练样本比较全面时，神经网络可以处理比较复杂的检测问题，所以许多检测算法采用神经网络方法。人脸模式眼睛模式和嘴巴模式等都具有较明显的特点，因此可以采用神经网络的识别方法。神经网络方法能够适应较为复杂的人脸检测，准确性也较高，所以使用神经网络进行人脸检测的算法比较多。但是，由于人脸属于高维矢量，导致网络中训练节点众多......”。

2、“.....因此，神经网络方法的研究着重于系统的优化训练。基于支持向量机的人脸检测方法支持向量机，是等人提出的基于结构风险最小化原理的统计学理论。常用于回归和分类问题。它比基于经验风险最小化的人工神经网络方法具有更好的泛化能力。等将方法用于人脸检测，取得了较好的效果。的训练样本包括有限人脸样本和用自举方法收集的非人脸样本。分类器经训练后，得到最优分类超平面，可用于图像中的人脸检测。长期以来，训练需要求解计算复杂度极高的二次规划问题，从而限制了该方法的应用。提出的算法可以解决训练困难的问题。本文采用的人脸检测方法基于特征分析的方法中人脸检测时只是用到了人脸中的个或几个特征的组合来匹配地进行人脸的检测，这类方法容易引起漏检和误检，相较而言基于统计的人脸检测方法在检测率方面的效果较好，但是考虑到计算的复杂性和速度问题本文选用方法用于跟踪与识别前的人脸检测定位。下面对方法进行论述......”。

3、“.....按照前面人脸检测的分类，算法属于基于图像的人脸检测方法中的统计方法。在方法中，每个训练样本都被赋予了个权值，表明它能否被当前弱分类器简单而分类性能相对差的分类器，例如简单的感知机就可以作为个弱分类器正确分类。方法通过不断地加入弱分类器，最终达到个预定的足够小的率。在加入个新的弱分类器的次迭代中，如果个训练样本已经被正确分类，其权值就被下调，否则，其权值就要被调高，以便使下轮的弱分类器专注于这些被分类的样本。最终得到的分类器则是训练得到的所有弱分类器的个线性组合。依据这基本思想，和首先给出了算法的具体形式。而针对人脸检测这个具体的应用问题，Ⅵ等人提出了个修改的算法，的算法将弱分类器与弱特征大量可选特征中的个特征等价起来，每个弱分类器仅通过个特征实现分类，并通过算法组合弱分类器，从而同时实现了弱特征的选择与组合。针对人脸检测问题，等人定义了大量矩形特征简化的特征......”。

4、“.....提出的这个算法已经成为人脸检测领域的经典成果得到了更多的基于几何特征的识别方法，基于代数特征的识别方法，基于连接机制的识别方法。其算法各有优缺点基于几何特征的识别其困难在于没有形成个特征提取标准，不过由于各种优秀的特征提取算法如弹性图匹配的提出，使得人脸的几何特征描述越来越充分基于代数特征的识别法由于代数矢量具有定的稳定性，识别系统对不同人之间的倾斜度表情有定的鲁棒性，但对表情的描述不够充分，难以用于表情分析基于连接机制的识别法采用了神经网络，在编码压缩与信息处理方式等方面具有定优势，但神经元数目多，训练时间很长，完全基于神经网络的识别法在现有的计算机系统上也有其内在的局限性。因此近些年来很多研究学者采取将多分类器结合的方法来提取较稳定受人脸姿态变化和光照条件等因素影响小的识别特征，取得了良好的识别效果。人脸识别技术作为模式识别领域的个研究热点......”。

5、“.....并且涌现出各种各样的识别方法，可以说信息处理领域的各种新方法的研究和算法的改进都在人脸识别中得到应用。人脸识做法避免了高维统计量计算中的组合爆炸问题，同时，还考虑了高维相关性。由于为基础的传统特征脸方法没有利用人脸的几何拓扑特征，为此等将与人脸拓扑关系结合起来提出方法，使识别率较单的类方法有所提高。隐马尔科夫模型隐马尔科夫模霎，是用于描述信号统计特性的组统计模型。使用马尔科夫链来模拟信号统计特性的变化，而这种变化又是间接地通过观察序列来描述的，因此，隐马尔科夫过程是个双重的随机过程。用采集的脸像构造观察向量，观察向量和人脸的五官特征之间的关系可以用个维的隐模型，来表示，该模型的参数能较好地表征具体的人脸模型，在人脸识别领域已取得到了初步成效州。这种方法至少有两个问题，个是直接采用灰度值作为观察值矢量会受到噪声光线等很多随机因素的影响......”。

6、“.....学习和识别速度都比较慢。伪二维模型是维模型的种推广。由组主状态组成，每个主状态又包括了个维。相当于将组维模型嵌入另外组模型中，因为这种结构并不是真正的二维模型，因此取名为二维模型。可以看出这种结构利用了图像的二维特征，更适合于图识别，因此采用了这种结构用于人脸识别。支持向量机法支持向量机，是等提出的基于结构风险最小化原理，统计学习理论，用于分类与回归问题。使维数的上限最小化。与其他本章小结本章首先介绍了当前人脸检测与人脸识别的主流方法，并对其优缺点进行了论述，在比较其优缺点后引入了本文所采用的人脸检测与人脸识别方法，详细介绍了这两种算法的理论基础，算法原理以及实现步骤。对于人脸检测算法给出了检测效果图如图中所示的幅图像，从不同侧面证实了这种算法的检测能力，可以很清楚的表明选取这种检测算法的正确性。人脸识别方法，主要采用了降维技术，可以减少计算量，提高识别速度......”。

7、“.....并将每步的结果用图片的形式详细展现出来，其识别效果在第四章中会与本文新提出的人脸主特征块采用的方法进行比较说明，新提出的方法主要是在不影响识别率的情况下进步提高识别速度。第三章基于的人脸跟踪识别系统的实现在前面章节中详细介绍了本系统采用的跟踪与识别方法。本文设计的人脸跟踪识别系统采用了函数库中的些函数比如图像函数，矩形坐标函数等，因此先概要对函数库进行介绍，再对其在本系统中的使用方法进行介绍，因为本系统采用环境进行编程实现，所以要能够在中灵活使用函数库。是开源计算机视觉库。它由系列函数和少量抖类构成，实现了图像处理和计算机视觉方面的很多通用算法，可以在商业和研究领域免费使用。年在俄罗斯设立的软件开发中心开发。是在基础上发展起来的，主要用于图像处理计算机视觉模式识别物体识别以及运动跟踪方面。在支持下......”。

8、“.....的设计简单易用，其中大部分类及库函数的设计都有其特定在实际应用中的背景，因此整个库的体系结构非常简单明了提供了些诸如等其它语言或环境的接口，最大的特点是具有开放性。它拥有包括方法的分类，根据研究角度的不同，可以有不同的分类方法，这是研究人脸识别方法首先遇到的问题。根据图像来源的不同，人脸识别技术可分为两大类静态人脸识别和动态人脸识别。静态人脸识别，即人脸为稳定的二维图像，如照片。如果人脸的来源是段视频图像，则人脸识别就属于动态人脸识别。在头部运动和表情变化状态下的人脸识别都可以看作动态人脸识别，如视频监视中的人脸识别。动态人脸识别具有更大的难度。首先，视频输出的图像质量较差其次，背景较复杂，目前对动态人脸识别的研究还局限于简单背景，较少人物的情况，对静态人脸识别的研究比较多......”。

9、“.....根据图像中人脸的角度，又可将人脸识别技术分为基于正面侧面倾斜人脸图像的识别，由于实际情况的要求，对人脸正面模式的研究最多，这也是本文的研究重点。下面介绍下目前常用的人脸识别方法几种常用识别方法目前人脸识别的方法有很多种，本节介绍四种常用的人脸识别方法，并对其稍作论述。基于几何特征识别弹性图匹配方法可采用属性拓扑图来表达人脸，其拓扑图的任顶点均包含特征矢量，它记录了人脸在该顶点位置的分布信息，最初的拓扑图是矩形的，并没有注重节点的位置。后来，提出种基于关键点的图匹配算法，称为弹性束图，其节点般定位在如眼球眼角等灰度变化剧烈，信息丰富的地方。特征点先是手工定位，经过段学习以后，即可达到自动定位。如此几十个节点，其分离能力是不同的，并且前向半侧侧面人脸分离能力较好的节点分布范围也不样深入研究了这问题，他给每个节点不同的权重，与该节点的分离能力成正比。统计表明......”。