高斯噪聲下的人臉檢測算法研究

朱強 徐穎 王壯才

摘要：OpenCV是一個開源的跨平臺計算機視覺庫，可以在Windows、Linux、Mac os等運行。它是由一系列的c和c++編寫而成，實現了計算機視覺與圖像處理等方面的通用算法以供大家使用。由于受到環境的影響，在人臉圖像的獲取中存在噪聲。因此，通過進一步分析高斯濾波、Adaboost算法、Haar的特征等方法，提高了人臉檢測的準確度。

關鍵詞：高斯濾波;Adaboo st;Haar特征;人臉檢測

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2020）05-0125-02

0引言

在當今社會，實時人臉檢測已在我國各方面全面發展，已經成為我們日常生活中重要的環節，面對如此龐大的數據，人臉檢測也面臨著巨大的挑戰。主要難點在于人臉的角度、表情、膚色等。在實際情況下，由于光照條件、面部遮擋，人臉角度的原因，人臉檢測的穩定性和準確性必然會受到影響。本文提出的是openCV下，采用Haar特征的adaboost人檢測算法，通過實驗證明，利用高斯濾波對圖像進行降噪處理，在進行人臉檢測，從而大大的提高了人臉檢測的效率。

1高斯濾波

高斯噪聲是一種常見的噪聲，它的概率密度服從正態分布。常見的高斯噪聲包括起伏噪聲、熱噪聲和散粒噪聲等。除常見的抑制噪聲的方法外，我們可以通過高斯濾波器對圖片進行去噪處理。

高斯濾波是對整幅圖像的像素進行加權平均的過程，即圖像中的每個像素點的值都是其本身和它的某個鄰域內的其他像素經過加權平均后得到的結果。它首先要確定一個固定的窗口，然后在窗口內選擇任意一個像素，判斷它到窗口中心點的像素距離。其中系數權值的分配是由高斯函數來實現。

2Adaboost算法

Adaboostig法是目的是用于訓練人臉、分類人臉的方法，該算法利用大量簡單的積分圖特征，再利用Adaboost學習算法選出重要的特征，并訓練出若干分類能力不是很強的分類器，再通過線性疊加組合成一個能力很強的分類器，最后通分類器構成一個檢測速度快的分類器。引。最開始先訓練若干個弱分類器，強分類器有若干個若分類器組合而成，最后的級聯分類器則由若干個強分類疊加而成。

3Haar特征

Haar特征又叫做特征矩陣，它是描述圖像中人臉的灰度分布情況，它包含四種模板，分為描述的是上下差值特征，左右差值特征，中心差值特征。Haar特征值為圖像中所有白色矩陣的值減去所有黑色矩陣部分的像素值，計算公式為：

圖2為圖像預處理分為3部分，一為原始圖像，二為調用高斯濾波處理后的圖像，三為對圖像進行直方圖均衡化的結果。

經過上述處理后，我們將圖片進行人臉檢測，檢測的效果有大幅度提升，具體如圖3所示。

5總結

本系統是在OPENCV下使用的是基于Haar寺征的AdabooSt算法，可以有效的對圖片中的人臉進行陜速檢測、實時性好等。在圖像預處理階段使用高斯濾波器，降低了圖像原有的噪聲，提高了圖像的質量，最終提高了人臉檢測的效率。