基于Gentle Adaboost的人臉檢測(cè)算法研究.pdf

1、人臉檢測(cè)一直以來(lái)都是計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的重要研究課題，作為人臉研究領(lǐng)域的第一步，如何快速，準(zhǔn)確的檢測(cè)出人臉直接關(guān)系到接下來(lái)的人臉應(yīng)用研究。人臉檢測(cè)在智能監(jiān)控、門(mén)禁控制、媒體娛樂(lè)、人機(jī)交互、基于圖像內(nèi)容的檢索等方面都有著廣泛的應(yīng)用價(jià)值。本文以Gentle Adaboost算法為核心，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)人臉檢測(cè)系統(tǒng)。同時(shí)針對(duì)弱分類器訓(xùn)練算法的不足之處，進(jìn)行了改進(jìn)，提高了系統(tǒng)的檢測(cè)性能。研究工作主要包含以下幾個(gè)方面：
　　1.系統(tǒng)地

2、分析和探討了多種人臉檢測(cè)方法的基本理論，對(duì)人臉檢測(cè)方法進(jìn)行了深入的研究和討論。
　　2.對(duì)人臉檢測(cè)系統(tǒng)中的的訓(xùn)練和檢測(cè)兩個(gè)過(guò)程進(jìn)行了詳細(xì)的分析，著重介紹了Haar矩形特征、積分圖、分類器的訓(xùn)練過(guò)程；接著對(duì)兩種不同的人臉檢測(cè)方式進(jìn)行了對(duì)比分析，即檢測(cè)窗口不變方法和檢測(cè)窗口等比放大的方法，并最終實(shí)現(xiàn)了一個(gè)簡(jiǎn)易的人臉檢測(cè)系統(tǒng)。
　　3.針對(duì)訓(xùn)練樣本過(guò)大時(shí)的耗時(shí)情況，采用了在迭代過(guò)程中等比例裁剪訓(xùn)練樣本中小權(quán)重樣本的方法來(lái)加快訓(xùn)練時(shí)

3、間。
　　4.采用了一種CART算法來(lái)對(duì)Gentle Adaboost算法中的弱分類器進(jìn)行優(yōu)化處理，用一個(gè)CART二叉樹(shù)來(lái)代替?zhèn)鹘y(tǒng)算法中的一個(gè)弱分類器，實(shí)驗(yàn)結(jié)果表明這在相同的實(shí)驗(yàn)參數(shù)下，在保持檢測(cè)精度的同時(shí)，有效地縮短了訓(xùn)練時(shí)間和檢測(cè)時(shí)間。
　　5.基于漏檢人臉窗口的代價(jià)比誤檢非人臉窗口的代價(jià)更大的思想，本文采用一種將正負(fù)樣本錯(cuò)分率綜合考慮的情況下，加大重視對(duì)正樣本正確分類的自適應(yīng)權(quán)重更新方法，同時(shí)為了避免訓(xùn)練樣本中出現(xiàn)的噪