基于boosting算法和LBP特征的人臉檢測(cè).pdf

1、人臉檢測(cè)研究是當(dāng)前模式識(shí)別和計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究熱點(diǎn)之一。人臉檢測(cè)是自動(dòng)人臉識(shí)別系統(tǒng)的關(guān)鍵環(huán)節(jié)，人臉檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性直接影響自動(dòng)人臉識(shí)別系統(tǒng)的性能，因此人臉檢測(cè)具有重要的研究?jī)r(jià)值和應(yīng)用價(jià)值。目前，人臉檢檢測(cè)已作為一個(gè)獨(dú)立的研究課題發(fā)展起來(lái)，人臉檢測(cè)的研究必將對(duì)圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)、人工智能、機(jī)器學(xué)習(xí)等學(xué)科的發(fā)展具有重要的推進(jìn)作用。準(zhǔn)確性和實(shí)時(shí)性是衡量人臉檢測(cè)系統(tǒng)的兩個(gè)重要指標(biāo)，它們是人臉檢測(cè)研究的核心。 針對(duì)人

2、臉檢測(cè)的準(zhǔn)確性和實(shí)時(shí)性這兩個(gè)關(guān)鍵指標(biāo)，在分析國(guó)內(nèi)外研究的基礎(chǔ)上，本文提出一種新的人臉檢測(cè)算法FloatFFS。這種算法是對(duì)傳統(tǒng)boosting算法和前向特征選取（forward feature selection，F(xiàn)FS）算法并進(jìn)行改進(jìn)。傳統(tǒng)的boosting算法雖然準(zhǔn)確率高，但是在多次的弱學(xué)習(xí)過(guò)程需要用大量的時(shí)間。FFS算法雖然能快速提取特征，但是準(zhǔn)確率偏低。本文的FloatFFS算法只需要一次的弱學(xué)習(xí)就把所有的特征提取出來(lái)，從而在整

3、個(gè)分類器訓(xùn)練程中節(jié)省大量的時(shí)間；FloatFFS采用回溯查找的方法來(lái)進(jìn)行特征的篩選，把在整體分類性能沒(méi)貢獻(xiàn)的特征從強(qiáng)分類器組合中刪除，以求達(dá)到高的檢測(cè)率。實(shí)驗(yàn)結(jié)果表明在檢測(cè)性能上改進(jìn)后的算法要比傳統(tǒng)boosting算法和FFS算法有所提高。 同時(shí)人臉特征表達(dá)是人臉檢測(cè)中的最重要的環(huán)節(jié)之一。本文闡述了Haar特征和分析LBP（local binary patterns）特征的結(jié)構(gòu)。LBP特征具有多種不同的計(jì)算模式，它采用分塊統(tǒng)計(jì)L