摘 要：本文采用基于类Haar特征和AdaBoost分类器的算法，用于检测人脸的区域。实验结果表明，该算法具有运行速度快，识别准确率高的特点。

关键词：类Haar特征；AdaBoost；人脸识别

中图分类号：TP391.41

人脸在社会交往中扮演着十分重要的角色，是人类在确定一个人身份时所采用的最普通的生物特征，研究人脸跟踪识别及其相关技术具有十分重要的理论价值和应用价值[1]。

然而，人脸识别在实际中很难应用，其主要原因在于：实际场景中的人脸区域位置无法确定，光照强度无法确定，使得人脸的区域难以准确定位；其次，对于定位的ROI区域，难以选定合适的算法对该区域进行快速而准确的识别。

本文采用基于类Haar特征和AdaBoost分类器进行人脸区域的检测。

1 算法过程

人脸检测算法包括两个过程：训练过程和识别过程。训练过程对样本图片计算每一个类Haar特征，从中选择若干个识别精度高的特征；每一个选中的特征构成一个弱分类器，众多弱分类器采用AdaBoost算法构成一个强分类器。

本文调用OpenCV提供的分类器，不涉及训练过程，因此文章的主要内容是分类器的识别过程。识别过程根据分类器选择的特征计算图片的特征向量，然后应用AdaBoost分类器进行车辆区域的检测。

2 识别过程

对每一个ROI区域的识别包括图像的预处理、特征图的计算、类Haar特征的计算和分类识别四个部分。

2.1 图像的预处理

首先，将大小归一化为40*40；接着，将彩色图片转化为灰度图。

2.2 积分图的计算

图2 类Haar特征示意图

2.4 基于Adaboost分类器的识别