對灰度復(fù)雜背景下的正面多視角人臉檢測與跟蹤技術(shù)的研究.pdf

1、人臉檢測由于它的學術(shù)價值和應(yīng)用范圍，越來越受到人們的關(guān)注。其中自適應(yīng)自舉學習算法(AdaBoost)將人臉檢測帶入了實用領(lǐng)域。人臉檢測的任務(wù)是從靜態(tài)圖像或視頻中定位人臉的位置。深入研究了灰度圖像復(fù)雜背景下的平面內(nèi)多視角的人臉檢測以及人臉跟蹤技術(shù)，具體工作如下： 改進了AdaBoost的訓練算法。該算法改原分類器的單閾值為雙閾值，且對樣本的一次遍歷便可完成一個弱分類器的訓練，降低訓練耗時。對其可行性給出了數(shù)學證明。 提出了

2、一種改進的AdaBoost權(quán)值更新算法，該算法較原算法加入了評價其整體分類性能參數(shù)，以緩解的過擬合特性。對于改進后算法在訓練集上的錯誤率上限給出了數(shù)學證明。 對Haar型特征進行了擴展，采用45°積分圖像并放寬了特征的計算條件以發(fā)掘具有更好分類性能的特征，從而保證多視角人臉檢測的需要。 提出了層級決策樹分類器以滿足檢測多視角人臉需要。出于不同層次的子分類器對其性能有不同的要求，在訓練時，對于不同樣本賦予不同的分類錯誤代價