基于局部自適應核回歸的Adaboost人臉檢測算法研究.pdf

1、人臉檢測作為人臉識別和人臉圖像信息處理的關鍵技術，其檢測效果會直接影響到后續(xù)課題的研究。由于圖像容易受到成像設備、成像條件以及存儲方式的影響，致使人臉檢測技術在投入實際使用的過程中遇到種種困難，這方面的研究也就成為一項復雜而具有挑戰(zhàn)性的研究課題。
　　本文在對當前人臉檢測技術的基本理論和方法進行綜合討論的基礎上，對人臉檢測過程中的若干關鍵問題，特別是特征提取、分類器設計和系統(tǒng)構建等方面進行了較為深入的探究。通過研究基于AdaBoo

2、st的人臉檢測算法與局部自適應核回歸（LARK）的特征提取方法的特性，將兩種方法結合起來構成人臉檢測系統(tǒng)以便達到提高人臉檢測精度的目的。本文所做的研究工作主要包括以下幾個方面：
　　首先，研究了基于AdaBoost的人臉檢測算法。詳細討論了Haar特征、積分圖和級聯(lián)分類器構成基于AdaBoost算法的人臉檢測系統(tǒng)的三個組成部分。針對各個層級分類器分類結果可能出現(xiàn)的漏檢現(xiàn)象進行實驗和分析。
　　其次，研究了局部自適應核回歸特征

3、提取方法。這個方法對捕捉基本數(shù)據(jù)的局部結構很有效，可以很好地描述出圖像中邊緣位置的形狀和圖形的走向。文中使用該特征提取方法構成一個人臉檢測系統(tǒng)，通過實驗論述了該方法在檢測過程對圖像信息描繪的優(yōu)勢，但檢測結果受到目標圖像中相似區(qū)域的干擾較大。
　　最后，實現(xiàn)了基于AdaBoost算法和LARK特征提取方法相結合的人臉檢測算法。將各個層級分類器的檢測結果作為用LARK特征提取方法構成的分類器的輸入，以提高檢測系統(tǒng)的檢測率。通過實驗比對