摘要:随着经济的快速发展和社会的不断进步，人类社会对于自动识别身份的要求越来越高。人脸识别由于不涉及隐私，同时具有直接、方便、快速的特点，被越来越多的领域使用，更成为人工智能领域和当前模式识别的研究热点。人脸对齐是指通过对人脸图像进行缩放、旋转、切割等操作，使所有人脸图像依照某种标准规范化的过程。人脸关键点是指人脸的嘴角、鼻头、眼角等一些具有特征的区域。人脸关键点的检测和定位对人脸识别有很大的作用。而人类面部形式多样、计算区域面积小，并受光源、肤色、遮盖物等因素影响，使得人脸关键点的检测和定位变得极其复杂。因此，相关领域将快速且准确地识别人脸关键点问题的解决作为其研究重点。

此文总体上采用了随机森林和全局线性回归相结合的方法，实现了对人脸关键点的高速检测。首先利用局部性原理独立地学习每个人脸关键点的局部二值特征；然后对得到的局部二值特征做全局线性回归，以此作为最后的输出。因为提取和回归局部二值特征的计算代价很小，所以我们的方法要比之前的快得多。

关键词：人脸识别；人脸对齐；局部二值特征；全局线性回归

目录

摘要

Abstract

1 绪论-1

1.1 研究背景及意义-1

1.2 开发平台-1

1.3 相关工具-1

1.3.1 OpenCV简介-1

1.3.2 OpenCV下载与安装-1

1.3.3 Visual Studio简介-2

1.4 环境配置-2

1.4.1 OpenCV环境配置-2

1.4.2 Visual Studio 2013+OpenCV3.1.0配置-3

1.4.3 OpenMP配置-5

1.5 相关概念-6

1.6 决策树-7

1.6.1 决策树模型-7

1.6.2 决策树的优缺点-8

2 系统实现-9

2.1 总体思路-9

2.2 系统实现-9

2.2.1 Shape-indexed 特征-9

2.2.2 随机树的训练-9

2.2.3 随机森林的并行训练-10

2.2.4 局部二值特征-11

2.2.5 全局线性回归训练-11

2.2.6 局部区域半径-12

3 获取数据-14

3.1 使用数据库介绍-14

3.2 数据预处理-14

3.3 数据的批量处理-15

3.4 训练模型-16

4 测试结果-17

5 系统优点-18

5.1 Φt和Wt的两步学习-18

5.2 全局回归-18

6 不足之处-19

6.1 速度问题-19

6.2 人脸检测问题-19

6.3 比较不足-19

结论-20

参考文献-21

致    谢-22