基于AdaBoost算法的目標(biāo)檢測系統(tǒng)研究.pdf

1、隨著社會的不斷進(jìn)步和發(fā)展，計(jì)算機(jī)應(yīng)用技術(shù)已應(yīng)用到各行各業(yè)。目標(biāo)檢測技術(shù)作為數(shù)字圖像處理中一項(xiàng)重要的技術(shù)，在計(jì)算機(jī)領(lǐng)域（計(jì)算機(jī)視覺和視頻安全方面的領(lǐng)域）備受關(guān)注，起初人臉檢測只是人臉識別技術(shù)的一個(gè)環(huán)節(jié)，但隨著電子商務(wù)等應(yīng)用的發(fā)展，識別系統(tǒng)對人臉的應(yīng)用性要求不斷提高，技術(shù)發(fā)展越來越快，人臉檢測逐漸從人臉識別中獨(dú)立出來，隨后又有很多經(jīng)典的算法?，F(xiàn)在的計(jì)算機(jī)技術(shù)比較智能化，這種技術(shù)給人臉檢測的研究也帶來了很多便利條件，檢測的魯棒性和檢測效果都得

2、到了提高。
　　本文分別對人臉檢測技術(shù)方法的理論知識以及當(dāng)今人臉技術(shù)的研究現(xiàn)狀和發(fā)展趨勢進(jìn)行了研究，同時(shí)也闡述人臉檢測系統(tǒng)的分類、算法的特點(diǎn)。重點(diǎn)研究了基于AdaBoost算法的人臉檢測方法，優(yōu)化了檢測系統(tǒng)的訓(xùn)練過程，級聯(lián)AdaBoost算法是一種經(jīng)典算法。雖然此算法比較經(jīng)典但也存在一些問題：如何選擇判別性高的分類器，以及是否能有效地將這些分類能力強(qiáng)的分類器級聯(lián)起來需進(jìn)一步提高。因此，本文對此進(jìn)行了研究，并采用改進(jìn)的AdaBoos

3、t算法進(jìn)行，從而優(yōu)化了檢測方法。首先，通過對建立弱分類器的研究，采取了一種使用較少量的弱分類器就能達(dá)到高檢測率的計(jì)算弱分類器閾值的方法。其次，選擇那些判別性較強(qiáng)的弱分類器進(jìn)行優(yōu)化檢測系統(tǒng)，目的是節(jié)省了學(xué)習(xí)過程中訓(xùn)練分類器所需要的時(shí)間以及構(gòu)建強(qiáng)分類器所需要弱分類器的數(shù)目。檢測率是評價(jià)檢測系統(tǒng)效率的一個(gè)因素，本文考慮到這點(diǎn)采用級聯(lián)的方式把分類器組合起來，這樣會使分類器的分類能力有所提升。本文優(yōu)化后更加完善了檢測系統(tǒng)的檢測技術(shù)。
　　本