AdaBoost算法在人臉檢測(cè)中的應(yīng)用研究.pdf

1、人臉檢測(cè)是人臉識(shí)別中的一項(xiàng)關(guān)鍵環(huán)節(jié)，作為計(jì)算機(jī)視覺(jué)研究領(lǐng)域的一個(gè)熱點(diǎn)，并廣泛應(yīng)用于視頻監(jiān)控、門(mén)禁系統(tǒng)以及公安系統(tǒng)等領(lǐng)域。本文把混沌理論和人工魚(yú)群算法引入到AdaBoost人臉檢測(cè)方法中，對(duì)AdaBoost弱分類器權(quán)重系數(shù)空間進(jìn)行優(yōu)化搜索，選擇出最優(yōu)的弱分類器權(quán)重系數(shù)組合，并在此基礎(chǔ)上利用MATLAB軟件進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證該方法的正確性和有效性。主要研究工作總結(jié)為以下兩點(diǎn):
　　 (1)針對(duì)人工魚(yú)群算法易陷入局部最優(yōu)的問(wèn)題，提出了

2、一種基于高維混沌映射的人工魚(yú)群算法。該方法利用混沌的隨機(jī)性、遍歷性和規(guī)律性對(duì)人工魚(yú)算法進(jìn)行改進(jìn):一是初始化人工魚(yú)群，增加搜索的多樣性;二是在人工魚(yú)陷入局部最優(yōu)時(shí)，對(duì)其產(chǎn)生擾動(dòng)，使其跳出局部最優(yōu)值，向全局最優(yōu)值靠近。仿真實(shí)驗(yàn)表明:改進(jìn)后的算法比基本人工魚(yú)群算法的全局尋優(yōu)能力更強(qiáng)，搜索效率更高。
　　 (2)針對(duì)傳統(tǒng)的AdaBoost人臉檢測(cè)器中各弱分類器權(quán)重系數(shù)無(wú)法達(dá)到全局最優(yōu)的問(wèn)題，提出一種基于混沌人工魚(yú)群的AdaBoost算法

3、。該方法把弱分類器權(quán)重系數(shù)空間作為搜索空間，充分利用混沌人工魚(yú)群算法的全局尋優(yōu)能力，在權(quán)重系數(shù)空間進(jìn)行優(yōu)化選擇，獲得各弱分類器權(quán)重系數(shù)最優(yōu)組合。仿真實(shí)驗(yàn)結(jié)果表明:混沌人工魚(yú)群與AdaBoost算法的結(jié)合，有效地改善了AdaBoost算法中弱分類器權(quán)重系數(shù)組合的局限性，從而提高了正確檢測(cè)率。
　　 綜上所述，混沌理論、人工魚(yú)群與AdaBoost相結(jié)合的人臉檢測(cè)方法具有正確檢測(cè)率高、錯(cuò)誤報(bào)警率低等特性，為人臉識(shí)別的后續(xù)研究奠定了良好