AdaBoost算法在人臉檢測中的應(yīng)用及其硬件實現(xiàn).pdf

1、目前模式識別領(lǐng)域中最為熱點的研究課題是對人臉檢測的研究。人臉檢測是指利用計算機對一幅待檢測圖像進(jìn)行檢測，以判斷出待檢測圖像中是否含有人臉、所有人臉的位置、人臉的大小以及包含人臉的個數(shù)等信息。人臉檢測在實際中的應(yīng)用十分廣泛，如：安防、公司考勤、視頻監(jiān)控以及數(shù)字圖像處理等多個方面，因此在國內(nèi)外對人臉檢測進(jìn)行研究的機構(gòu)、人員陣容非常龐大。因為人臉屬于三維非剛性的目標(biāo)：具有結(jié)構(gòu)的恒定性如鼻子、眼睛、耳朵等；外觀的可變性如表情、相貌、光照等；具有

2、復(fù)雜的模式變化性如圖像的分辨率、圖像的幾何變化等；人臉特征的復(fù)雜性與多樣性如膚色特征、橢圓輪廓、對稱等。所以對人臉的檢測存在一定的復(fù)雜性。
　　本文的主要研究內(nèi)容如下:
　　首先詳細(xì)地分析幾種傳統(tǒng)的Adaboost算法的基本原理，以及其在人臉檢測中的應(yīng)用，然后總結(jié)出傳統(tǒng)Adaboost算法在人臉檢測時的缺點，提出能對其進(jìn)行相應(yīng)改進(jìn)的方法，然后通過對上面這些內(nèi)容的總結(jié)，提出采用分層的PCA特征與Adaboost算法相結(jié)合的快速

3、人臉檢測算法。最后設(shè)計出運行上述快速人臉檢測算法的硬件圖。
　　本文的主要創(chuàng)新點如下：
　　1、提出用Walsh特征代替?zhèn)鹘y(tǒng)的Haar特征進(jìn)行人臉檢測，并用增強型的Cascade分類器代替?zhèn)鹘y(tǒng)的Cascade分類器。Walsh特征具有特征向量的相互正交性，當(dāng)對人臉進(jìn)行計算時不會產(chǎn)生冗余，這樣節(jié)省了人臉檢測的時間以及計算機的存儲空間，以此提高人臉檢測的速度。實驗證明使用少量數(shù)目的Walsh特征進(jìn)行人臉檢測與使用大量的Haar特

4、征進(jìn)行人臉檢測能達(dá)到基本等效的結(jié)果。增強型的Cascade分類器與傳統(tǒng)的Cascade分類器相比較，它既保留了前層分類器的樣本的分類信息，又保留了訓(xùn)練樣本的自主性。這需要在前層分類器與相鄰的后層分類器中間增加一個評判標(biāo)準(zhǔn)，雖然這樣會增加人臉檢測的計算難度。但是在某種程度上提高了人臉檢測的精度。
　　2、用PCA特征與Adaboost算法相結(jié)合進(jìn)行人臉檢測。在人臉檢測的前一階段用Walsh特征代替?zhèn)鹘y(tǒng)的Haar特征與用增強型Casc

5、ade分類器代替?zhèn)鹘y(tǒng)的Cascade分類器相結(jié)合對人臉進(jìn)行粗略的檢測，因為Walsh特征的一些固有缺點其不能對人臉進(jìn)行細(xì)檢，所以在后一階段用PCA特征與AdaBoost算法相結(jié)合進(jìn)行人臉檢測，這在第一階段的基礎(chǔ)上對人臉進(jìn)行檢測能快速、精確的檢測出待檢測圖片中的人臉。實驗證明這種分層的人臉檢測算法能快速、精確的達(dá)到人臉檢測算法設(shè)計的目標(biāo)。
　　3、實現(xiàn)快速人臉檢測算法的硬件設(shè)計。由于這種分層的人臉檢測方法計算復(fù)雜，對硬件系統(tǒng)的要求比