人臉實(shí)時(shí)檢測技術(shù)研究與實(shí)現(xiàn).pdf

1、人臉檢測是指將人臉從靜態(tài)圖像或動(dòng)態(tài)視頻中檢測出來并提取出面部特征的過程，它是人臉識別與分析的首要環(huán)節(jié)，在身份驗(yàn)證、監(jiān)控跟蹤、安全訪問控制、智能人機(jī)界面等眾多領(lǐng)域具有重要的應(yīng)用價(jià)值。由于圖像背景、亮度變化以及人的姿態(tài)等因素的影響，使得人臉檢測成為一項(xiàng)復(fù)雜的、具有挑戰(zhàn)性的研究課題。近年來，人臉檢測開始被作為一項(xiàng)獨(dú)立的課題受到眾多學(xué)者的關(guān)注。
　　 本文對人臉檢測研究的進(jìn)展和常用的典型人臉檢測方法進(jìn)行了分析，結(jié)合實(shí)際情況，選擇了實(shí)時(shí)性

2、好的AdaBoost算法作為本文的核心算法。主要包括以下三方面的內(nèi)容：
　　 ①介紹由最初的PCA模型到boosting算法的提出，并在此基礎(chǔ)上改進(jìn)而形成了AdaBoost算法的過程。通過對AdaBoost算法的分析得知，只要有足夠多的弱分類器就能達(dá)到任意的檢測精度。
　　 ②詳細(xì)分析了AdaBoost算法原理。首先收集訓(xùn)練樣本并對其進(jìn)行歸一化、灰度轉(zhuǎn)換、圖像均衡化等預(yù)處理，使其符合訓(xùn)練樣本的要求；然后討論了弱分類器的訓(xùn)

3、練方法，根據(jù)訓(xùn)練誤差最小標(biāo)準(zhǔn)為依據(jù)，在眾多弱分類器中選擇T個(gè)最優(yōu)弱分類器，并根據(jù)加權(quán)投票的方式將T個(gè)弱分類器提升為若干個(gè)強(qiáng)分類器，使其各強(qiáng)分類器滿足一定的檢測率，然后將各個(gè)強(qiáng)分類器級聯(lián)成最終的級聯(lián)分類器，使其處于級聯(lián)分類器前端的強(qiáng)分類器能去掉大部分的非人臉窗口，以提高檢測效率；最后闡述了將AdaBoost算法運(yùn)用于人臉檢測的原理，通過對等比例縮放檢測窗口方法和等比例縮小待檢測窗口方法的分析對比，提出采用等比例縮放檢測窗口方法，以提高檢測