復(fù)雜背景下多視角人臉檢測研究.pdf

1、人臉檢測是指采用特定的方法對要求的檢測樣本進行搜索，判斷是否存在人臉，若存在人臉，就在檢測樣本中標(biāo)注出入臉的過程，是人臉識別的一個重要部分。人臉檢測是復(fù)雜的模式分類問題，相關(guān)研究多集中在簡單背景下的人臉，但隨著視頻會議、安全監(jiān)控等技術(shù)的廣泛應(yīng)用，復(fù)雜背景中的人臉檢測逐漸成為模式識別和計算機視覺領(lǐng)域中的研究熱點，本文主要針對復(fù)雜背景下的多視角人臉檢測問題進行了相關(guān)研究。
　　首先研究了聚合通道特征的應(yīng)用。聚合通道特征(Aggrega

2、te Channel Feature)拓展了原始圖像的通道，將原始圖像從三通道提升到十通道，然后在十通道內(nèi)任意選擇不同大小、不同位置的矩形計算像素值作為候選特征構(gòu)成人臉特征集。聚合通道特征與Haar矩形特征表現(xiàn)形式相同，但聚合通道特征在幾乎不引入額外計算量的情況下，大幅度提高了特征的表征能力。實驗證明，聚合通道特征結(jié)構(gòu)簡單，計算速度塊。
　　其次，將AdaBoost算法與嵌套級聯(lián)算法結(jié)合在一起，提出AdaBoost-Nesting

3、算法訓(xùn)練人臉分類器。本文對Adaboost算法進行研究，該算法的基本思想是按一定規(guī)則組合多個弱分類器能夠獲得性能較強的強分類器;針對傳統(tǒng)級聯(lián)結(jié)構(gòu)各節(jié)點分類器獨立訓(xùn)練，前面節(jié)點訓(xùn)練過程中的信息只被用來進行二分類（人臉或非人臉）的判定，沒有進行后續(xù)應(yīng)用，損失了大量信息這一不足，將AdaBoost算法與嵌套級聯(lián)算法結(jié)合在一起，提出AdaBoost-Nesting訓(xùn)練算法，該算法能夠合理利用相鄰節(jié)點間的訓(xùn)練信息，降低計算負擔(dān)。
　　此外，

4、傳統(tǒng)的姿態(tài)估計方法是將待檢測樣本送入單獨訓(xùn)練的姿態(tài)分類器中進行姿態(tài)估計，依據(jù)姿態(tài)估計的結(jié)果，選擇特定的視角檢測器進一步處理待檢測樣本，姿態(tài)估計的計算量將被全部加入到待檢測樣本的平均計算量中，導(dǎo)致了檢測速度的下降。本文針對這一問題，引入了改進的姿態(tài)估計策略。
　　本文針對復(fù)雜背景下的多視角人臉檢測問題，利用聚合通道特征表征復(fù)雜背景下的人臉信息，通過AdaBoost-Nesting算法訓(xùn)練得到各個視角檢測器，再與改進的姿態(tài)估計相結(jié)合，