基于WebCam的人脸检测技术（lunwen+开题+文综+文献翻译+答辩PPT+答辩成绩表+VC设计源码）

目　　录
摘要 2
关键词 2
Abstract 3
Keyword 3
1人脸检测的意义，国内外的情况综述 4
2 基于肤色的人脸定位 6
2.1彩色空间，以及彩色空间的转换 6
2.2人脸肤色模型，二值化 7
2.3后处理 9
2.4人脸区域的定位 10
3视频流 10
3.1 视频工具包Video for Windows 10
3.2视频流采集的实现 11
3.2.1 AVICap主要功能 11
3.2.2 视频采集算法 12
3.3视频流的显示 15
4试验数据与展望 17
4.1试验数据 17
4.2展望 17
参考文献 18
附录A 系统使用说明 18
人脸识别技术可以应用于基于网络的身份认证，我们实现了基于WebCam的人脸识别与跟踪系统。本文以WebCam采集的视频流为数据源，截取视频流中的单帧图像，通过转换色彩空间、人脸肤色建模、后处理操作和人脸定位算法实现了人脸检测，并以此为基础实现了在视频流中对于人脸的跟踪。试验结果表明，我们所实现的人脸识别算法适用于近距离人脸的检测，可以应用于基于WebCam的身份认证。
通常，人脸跟踪系统采用单一的一种检测技术来识别和跟踪人脸，然而一种模态只适用于在某些特定条件下的跟踪，因此在无约束的自然场景下总会有失败的情况。此外，对于基于WebCam的人脸检测和跟踪系统来说，由于WebCam所传输图像的质量和速度都不是很高，因此对人脸检测和跟踪算法提出了更高的健壮性和实时性要求。
本研究是实现基于WebCam的人脸检测和跟踪技术，而这项技术又可以分为如下几部分：
（1）从WebCam获取视频流；
（2）在获取的视频流中进行人脸的检测，包括从背景中确定人脸的存在，以及验证检测到人脸是否是参加在线考试的人员；
（3）人脸的跟踪，在在线考试的过程中实时跟踪考生的人脸位置。
因为时间有限，在此次毕业设计中，本文要研究的内容和目标是“利用WebCam获取视频流”和“在获取的视频流中，进行单帧人脸定位”。本文转载自http://www.biyezuopin.vip/onews.asp?id=10977图一给出了本次毕业设计的总体实现流程：

图1 基于WebCam的人脸检测和跟踪流程

（1）BITMAPINFOHEADER（文件信息头）结构定义为
typedef struct tagBITMAPINFOHEADER{ 	// bmih 
    	//BITMAPINFOHEADER结构的大小；
DWORD  	biSize; 		
//位图的宽度,单位是像素；
    	LONG   	biWidth; 		
		//位图的高度,单位是像素；
    	LONG   	biHeight;		
		//位图显示设备位数，必须是1；
    	WORD   	biPlanes; 		
		//位图颜色位数，定义了位图每像素的位数；
    	WORD   	biBitCount; 	
		//压缩标志，BI_RGB类型为非压缩，BI_RLE4和BI_RLE8为行程编码压缩；
    	DWORD   	biCompression; 	
		//图像字节数，它可由文件头中的其他域计算出，需注意的是每排像素必须在32位或其倍数上结束，如果一排像素不到32位边界，则用“0”填充其余位；
    	DWORD  	biSizeImage;	
		//图像x方向分辨率；
    	LONG   	biXPelsPerMeter; 
		//图像y方向分辨率；
   		 LONG   	biYPelsPerMeter; 
//图像颜色数，指图像用到的颜色数，如果该数为0，则用到的颜色数为2的biBitCount次方；如果不用置0，表示所有颜色都用到，如果位图被压缩，则必须置0；
    	DWORD  	biClrUsed; 	
		//图像重要颜色数，通常置为0，表示所有颜色都重要；
    	DWORD  	biClrImportant;	 
} BITMAPINFOHEADER; 
	（2）RGBQUAD（文件调色板）结构的定义为
typedef struct tagRGBQUAD { // rgbq 
    	BYTE    	rgbBlue; 			//颜色的蓝色分量；
    	BYTE    	rgbGreen;		//颜色的绿色分量；
    	BYTE   	rgbRed;			//颜色的红色分量；
    	BYTE   	rgbReserved;		//保留，为0 
} RGBQUAD;