全文总字数：5042字
1. 研究目的与意义（文献综述）
1.1人脸检测的发展历程及现状
人脸检测技术(face detection technology)是指从图片或者一段视频流中检测是否存在人脸的技术，如果存在，则主动返回人脸的位置、大小和姿态。人脸检测问题最初来源于人脸识别(face recognition)。人脸检测是自动人脸识别系统中的一个关键环节，最早的人脸识别研究主要针对具有较强约束条件的人脸图像(如无背景图)。人脸识别的研究可以追溯到上世纪六、七十年代，经过几十年的曲折发展以日趋成熟。
20世纪60年代，研究人脸识别技术的专家提出来了人脸定位的问题。当时提出这个问题主要是为了解决人脸识别过程中如何确定人脸位置。但在人脸检测的早期阶段，由于计算机的运算能力和一些其它技术方面的限制，所以，那时人脸检测技术并没有受到重视，发展得十分缓慢。不过由于近些年计算机的性能在不断地提升，计算能力是以前计算机无法比拟的，所以人脸检测在发展初期遇到的技术瓶颈也就迎刃而解了，这几年人脸检测技术得到了快速的发展，人脸检测技术也日趋成熟。
国内外对人脸检测问题的研究很多，比较著名的 mit,cmu等；国内的清华大学、中科院计算所和自动化所、南京理工大学、北京工业大学等都有人员从事人脸检测相关的研究。而且，mpeg7标准组织已经建立了人脸识别草案小组，人脸检测算法也是一项征集的内容。随着人脸检测研究的深入，国际上发表的有关论文数量也大幅度增长，如ieee的fg、icip\cvpr等重要国际会议上每年都有大量关于人脸检测的论文，占有关人脸研究论文的1/3之多。由此可以看到世界对人脸检测技术的重视。
2. 研究的基本内容与方案
2.1 图像预处理
现实生活中获取到的图像通常受光照、拍摄背景、天气等因素的影响，图像质量并不高，为了满足后续操作的要求，需要对图像进行预处理。对于包含了很多噪声的图像，可以采用高斯滤波、中值滤波等方式处理图像，以降低噪声对图像的影响，提高图像质量；对于一些亮度过大或者光线过于昏暗的图像，可以采用直方图均衡化的方式调整图像的亮度；此外，通过边缘检测的方式将图像中大量不重要的信息去除，只保留图像中重要的内容，可以有效提高图像处理的速率；为了灵活对图像进行缩放，可以采用图像变换的方式处理图像。
2.2 人脸检测算法
haar-like特征用来表示人脸信息，并且使用“积分图”实现对人脸特征数目的快速统计，积分计算是用遍历的方式，该方式可以只用一次就准确快速的求出图像内所有区域的像素和；adaboost算法首先使用haar-like特征表示出人脸，但是此时得到的人脸特征值并不精确，然后通过增加阈值的方式设计出弱分类器，对特征值进行筛选，此时得到的人脸特征值还是比较粗糙，因此将弱分类器并联起来组成强分类器，经过强分类器筛选之后的特征值非常接近真实的人脸特征值，为了增加检测速度，以级联的形式将已获得的强分类器串联成最终的分类器。
2.3人脸检测工具
使用基于vs2019的opencv图像识别工具。在opencv系统中，已经存在的程序可以完成对haar-like特征分类器的训练，训练完成之后形成的级联分类器会储存在xml文件中，待检图像读入opencv后，只要通过训练好的级联分类器的筛选，就可以检测到人脸。
3. 研究计划与安排
1-3周：查阅文献，完成开题报告
4-6周：总体设计，完成论文综述
7-10周：设计算法，功能模块设计
4. 参考文献（12篇以上）
[1]陈博华，戴少鹏.基于opencv的图像处理方法[j].电子技术与软件工程，2015（19）：23-42.
[2]李娥.人脸检测方法综述[j].信息技术与信息化，2018（04）：10-13.
[3]宋宇.基于支持向量机的人脸检测[d].四川大学，2005：17-24.
