基于AdaBoost的人眼檢測(cè)優(yōu)化算法.pdf

1、人眼檢測(cè)是人臉識(shí)別和追蹤技術(shù)的關(guān)鍵，具有重要的研究?jī)r(jià)值和應(yīng)用前景，在疲勞檢測(cè)、眼動(dòng)跟蹤等領(lǐng)域都有所體現(xiàn)。眼睛對(duì)外界的變化敏感而且反應(yīng)快速，所傳達(dá)的信息豐富而復(fù)雜，所以基于視覺機(jī)制的研究至今都是一個(gè)富有挑戰(zhàn)性的課題。
　　人眼檢測(cè)因其重要的研究?jī)r(jià)值一直倍受研究者們的追捧，也不斷涌現(xiàn)出了多種多樣效果不錯(cuò)的檢測(cè)算法。根據(jù)在實(shí)際應(yīng)用中的需求可將人眼檢測(cè)分為粗略檢測(cè)和精確檢測(cè)兩大類別，但是每種算法都有其優(yōu)缺點(diǎn)，在這些算法中基于Haar-li

2、ke特征的AdaBoost及其改進(jìn)算法是最成功也是應(yīng)用最為廣泛的算法之一。
　　本文對(duì)基于AdaBoost的人眼檢測(cè)算法作出了優(yōu)化。首先經(jīng)過對(duì)AdaBoost算法的仔細(xì)分析和研究，對(duì)傳統(tǒng)的AdaBoost算法的權(quán)值更新規(guī)則作了優(yōu)化，使其在訓(xùn)練樣本時(shí)不會(huì)出現(xiàn)退化現(xiàn)象；其次對(duì)AdaBoost分類器的訓(xùn)練樣本選取作了分析，并選定幾組不同的正負(fù)樣本組合進(jìn)行了檢測(cè)實(shí)驗(yàn)，從實(shí)驗(yàn)結(jié)果中得出一組最佳的樣本組合方式。
　　經(jīng)過上述的研究，提出

3、一種改進(jìn)的AdaBoost人眼檢測(cè)算法。分別使用上述的最佳正負(fù)樣本選取方式挑選雙眼和單眼樣本，并分別訓(xùn)練出雙眼和單眼分類器，將兩種分類器級(jí)聯(lián)作為一個(gè)雙層的“眼睛分類器”，將此“眼睛分類器”作為整個(gè)檢測(cè)結(jié)構(gòu)的一個(gè)強(qiáng)分類器使用，再級(jí)聯(lián)多個(gè)強(qiáng)分類器構(gòu)成檢測(cè)系統(tǒng)。在雙層結(jié)構(gòu)的第一層有效的排除了誤檢的人眼圖片，提高了第二層的準(zhǔn)確率。該系統(tǒng)縮短了檢測(cè)時(shí)間并降低了誤檢率，對(duì)眼睛的準(zhǔn)確定位有很大提升。
　　人眼檢測(cè)最大的問題是檢測(cè)的準(zhǔn)確率和速度，