OpenCV+Adaboost视频中人脸马赛克处理方法研究与实现(3)

像素化（pixelization）又被称为马赛克化，是因为其处理后的最终效果与最早运用于古希腊的一种装饰艺术的方法马赛克非常相似。它是指将图形图像中某一区域分割成大小相同的图像块，每一图像块中的所有像素RGB值都相同，即每一图像块的色彩和灰度单一，这使得这一区域图像的色阶细节劣化，造成色块打乱的效果，令他人无法辨认图像中所包含的信息。目前，无论在图片还是视频中，马赛克化技术已经十分成熟，并广泛应用于人们的社会生活中。论文网

1。2  课题研究目的和意义

    近年来，由于视频监控，人工智能和数码摄影等领域的需求，视频图像中的人脸检测研究得到迅猛发展。视频中人脸检测可以分为三个步骤:首先提取出视频文件中的一帧，然后对此帧图像进行人脸检测，最后再将每一帧还原成整部视频，这样便完成了视频中人脸的检测。如今，人脸检测已经广泛应用在众多相关领域内，并产生巨大的商业价值。例如在国防科技、安防系统、视频会议系统、人机交互，各类银行卡、ID信息验证等领域内具有巨大的商业价值。人类的面部是一种具有一系列复杂的微小变化的自然模型，诸如此类对象的检测问题其挑战性如下：

（1）人脸含有动态属性，在外表、神态、皮肤颜色等因素上可能存在复杂的变化；

（2）所谓的人脸上会存在眼镜、胡须等其它干扰物体；

（3）人的面部是3D模型，所以一定会受到由环境光照造成的不同成像效果的干扰。

    由此，若是可以找出以上几种挑战的处理办法，将人脸检测系统成功地设计出来，便能够为解决别的种种相似的复杂模式检测及处理课题提供关键性的启发。

视频中的人脸检测问题，在信息处理领域内已然变成一项比较不易突破的课题，在数字图像处理和模式识别领域内得到了极高的关注，并且逐渐渗透到其它各个不同的领域中。

同时，系统对检测出的人脸进行马赛克化也存在很高的要求，因为人脸在视频中是随机移动的，如果马赛克的处理速度无法跟上人脸的移动速度，那么人脸就会暴露出来，这便失去了马赛克处理的意义。因此，相较于图片，视频图像中的马赛克处理对算法的性能和准确率有着非常高的要求。这也是将此项技术真正应用到实际情况的关键所在。

1。3  国内外研究现状、水平

1。4  组织结构

全文共分为四章，其主要内容如下：

第一章，引言，介绍了此次课题的背景，课题研究的目的与意义，国内外发展现状、水平和应用前景，并对本文的整体结构进行了综合描述。

第二章，简述了在视频图像中实现人脸检测的技术框架与OpenCV视觉库。

第三章，概述了有关人脸检测技术的算法，并介绍了目前应用最为广泛的Adaboost快速人脸检测算法。

第四章，开发环境的配置，原型系统设计与功能实现。以及系统运行之后的测试结果，本章主要对人脸检测和马赛克功能进行了功能上的实现，并展示成果。

1。5  本章小结

    本章综合性的阐述了视频人脸检测课题的相关研究背景、研究意义、发展现状和应用需求。数字图像处理是计算机科学领域十分重要的研究方向，而人脸检测又是数字图像处理处理领域中极为重要的课题之一，具有非常高的学术价值和应用潜力，同时又是一个极具研究性的课题。本文研究其中最具普遍性的复杂背景下，视频图像中的多张人脸检测、以及在得到人脸位置后对人脸进行马赛克化处理的问题。 OpenCV+Adaboost视频中人脸马赛克处理方法研究与实现(3):http://www.youerw.com/jisuanji/lunwen_90700.html