基于視頻的實(shí)時(shí)人臉檢測(cè)研究.pdf

1、人臉檢測(cè)是計(jì)算機(jī)視覺與模式識(shí)別領(lǐng)域非?；钴S的研究課題，在視頻監(jiān)控、人機(jī)交互、圖像檢索、視頻會(huì)議、身份驗(yàn)證、虛擬現(xiàn)實(shí)等很多方面都有著廣泛的應(yīng)用。隨著智能計(jì)算技術(shù)發(fā)展的日新月異，新方法、新技術(shù)的不斷引入，給人臉檢測(cè)研究注入了更多活力。
　　 本文在綜合分析以往的人臉檢測(cè)算法的基礎(chǔ)上，提出了基于AdaBoost和多重決策樹的多姿態(tài)人臉檢測(cè)方法，主要內(nèi)容如下：
　　 (1)根據(jù)多姿態(tài)人臉的旋轉(zhuǎn)角度不同，在對(duì)訓(xùn)練樣本角度空間自動(dòng)劃

2、分的基礎(chǔ)上，提出了基于多重決策樹的多姿態(tài)人臉檢測(cè)方法。該方法引入數(shù)據(jù)挖掘中的FCM算法對(duì)多姿態(tài)樣本進(jìn)行自動(dòng)空間劃分，解決了對(duì)多姿態(tài)人臉樣本的角度認(rèn)定中不確定的問題。在保證檢測(cè)率的情況下，用算法最優(yōu)化原則控制樣本空間的分裂，通過FCM聚類算法和算法復(fù)雜度分裂原則運(yùn)算得到最優(yōu)分類。該方法在不降低檢測(cè)速度的前提下，得到的檢測(cè)樹具有更強(qiáng)的鑒別性能。
　　 (2)深入研究ADABOOST算法、類Haar特征計(jì)算，級(jí)聯(lián)分類器、檢測(cè)結(jié)果處理等

3、問題，針對(duì)對(duì)人臉區(qū)域重復(fù)檢測(cè)的問題提出自適應(yīng)步長(zhǎng)的輸入圖像遍歷方法。該方法使用倒金字塔結(jié)構(gòu)對(duì)圖像進(jìn)行遍歷，并利用圖像的鏡像圖控制檢測(cè)窗口的滑動(dòng)，充分利用了級(jí)聯(lián)分類器正檢測(cè)率高的特點(diǎn)，避免了不必要的冗余計(jì)算，并省略了檢測(cè)中的后處理環(huán)節(jié)，縮短了檢測(cè)時(shí)間，提高了檢測(cè)效率。
　　 (3)利用視頻中人臉的運(yùn)動(dòng)特征，在現(xiàn)有的目標(biāo)跟蹤算法的基礎(chǔ)上，提出自動(dòng)跟蹤人臉檢測(cè)結(jié)果的方法。該方法避免對(duì)視頻中的每一幀都進(jìn)行檢測(cè)運(yùn)算，節(jié)省計(jì)算時(shí)間，提高算法