答辩讲稿 基于树结构的人脸检测算法研究及实现.docx

答辩讲稿 Slide 1 ：各位老师好，我是软件工程专业的学生时XX； Slide 2 ：我的毕业设计内容是，基于树结构的人脸检测算法研究与实现； Slide 4 ：提起人脸检测，就必须要说到人脸识别问题，人脸检测起源于人脸识别，并且是人脸识别问题的三个关键步骤之一，具有重要的研究意义； Slide 5 ：人脸检测是指，在输入的图像中判断是否存在人脸，若有，则返回人脸的大小和位置等信息。其难点主要有两个方面，分别是姿态变化和外界环境影响，如深度旋转或遮挡物遮挡等因素； Slide 6 ：现有的人脸检测算法主要可以分为四大类，这四类算法都能够在一定条件下完成人脸检测，但都有各自的局限性。 Slide 7 ： 而基于树结构的人脸检测算法，能够很好地将人脸检测，姿态估计，和关键点标记三组操作结合起来，借鉴了基于特征和模板匹配等技术方法，并参考树结构的有关特性而形成了一种能够在效率和精确度上都有极大提升的人脸检测算法。 Slide 9 ：基于树结构的人脸检测算法主要分为三个步骤，其中，人脸检测沿用著名的Viola-Jones人脸检测算法，在一定程度上进行优化，使得人脸检测步骤主要由扫描窗分类器经过辨别训练方法实现；姿态估计主要依靠建立的一种共享部件信息树结构混合模型实现，关键点标记参考树结构的有关特性，可以直接利用动态规划算法查找全局最优解。 Slide 10 ：算法的伪代码如图，能够反映出算法的执行流程。 //在系统初始化后，针对输入图像，系统按检测顺序生成关键点金字塔结构，并储存关键点信息，此后，利用动态规划算法生成关键点树结构，并确认关键点边界值，与模型做匹配进行姿态估计，并最终输出检测结果； Slide 11 ：根据算法的相关文献，我搭建了系统环境，根据Linux和windows系统的不同环境对算法代码的部分函数内容做了修改，并对输入输出环节做了调整，从而重现了算法系统。 Slide 12 ：在原有的实验中，算法作者自建了一个从Flickr获得的“自然环境下的”带有标注的人脸图片数据集进行实验对比。由于条件限制，也为了更有效地论证该算法的优势，我选择了马萨诸塞大学所建立的LFW人脸数据库，其多用于研究非受实验室条件约束情形下的人脸检测或人脸识别问题，并已经成为当前学术界和工业界评价其算法检测识别的基准数据库。也因为Viola-Jones算法在人脸检测领域具有重要意义，因此将其作为对照实验组进行对比实