自20世纪70年代,图像处理自成一门学科以来,图像处理技术逐渐走进了人们的日常生活。近年来,随着物联网技术的长足发展,图像作为物联网中重要的信息来源,越来越体现出其重要的应用价值,并成为该应用领域一项不可或缺的技术。目前,图像处理技术的实现主要依赖于算法及硬件支持,在图像处理领域,大量的科研人员都在从事各种算法的研究,并通过强大的图形工作站,GPU等硬件来实现高清图像的处理。通常,图形工作站及相应的GPU的价值不菲,为科研人员的研究形成比较大的入门门槛。同时一些需要使用图像处理技术的普通人员又无法真正理解算法,也无法具备相应的硬件条件。因此,如果能将图像处理算法移植到服务器端,并通过Web的人机界面来向用户提供图像处理服务,就可以实现图像处理算法,甚至是硬件资源的平台共享,这符合目前计算模式服务化的大趋势。伴随着互联网技术的快速发展以及人们对当代网络的新要求,HTML5应运而生,它的出现,正好为解决上述问题提供了一条有效途径。同时,由于现阶段实现的基于Web的图像处理服务大部分都偏重娱乐性,忽略了在线提供图像处理服务的学术价值和研究意义,因此,本文在充分研究服务端架构,HTML5标准以及部分图像处理算法的基础上,将部分人物图像处理技术移植到了服务端进行实现,为浏览器客户端用户提供人脸检测与跟踪和行人检测两部分的图像处理服务。此外,随着大数据时代的来临,云计算平台和大数据处理的出现将会为本文今后的研究工作提供强有力的技术力量。本文所完成的研究工作具体有以下几个方面:1.本文首先详细介绍了本文的研究背景及研究意义,表明了以HTML5为基础在Web上提供图像处理服务的紧迫性,其次,本文具体阐述了图像处理服务化及HTML5在国内外的研究现状,最后,本文重点描述了图像处理及其在Web上实现服务化时所需要的技术理论基础。2.本文利用HTML5 Canvas技术实现了基于Web的人脸检测与跟踪。通过将HTML5 Canvas技术和经过优化的人脸特征分类器、人脸检测与跟踪算法相结合,本文在Web上实现了人脸检测与跟踪。实验结果表明,所提方法不仅能有效地运行在支持HTML5的浏览器上,而且还满足了人脸检测与跟踪过程中的实时性要求,保证了人脸检测的检测率,具有更优的检测效果。3.本文提出了一种基于HOG和Adaboost-BP模型的行人检测方法。通过图像预处理快速选定行人候选区域,在此基础上,利用HOG特征与Adaboost-BP模型实现对测试样本图像的检测识别。实验表明,本文方法与基于HOG-SVM算法的行人检测方法相比具有更高的检测率、更低的误检率和漏检率,在多个行人数据库上的实验结果表明本文方法具有较好的检测效果。为了能在Web上提供有关行人检测的图像处理服务,本文将利用HTML5 WebSocket协议在Web上实现行人检测。本课题为基于Web提供图像处理服务做了有益的探索性研究,希望本文所完成的工作能够给该领域的研究者们带来一些帮助和启发。