對(duì)灰度復(fù)雜背景下的正面多視角人臉檢測與跟蹤技術(shù)的研究.pdf

1、人臉檢測由于它的學(xué)術(shù)價(jià)值和應(yīng)用范圍，越來越受到人們的關(guān)注。其中自適應(yīng)自舉學(xué)習(xí)算法(AdaBoost)將人臉檢測帶入了實(shí)用領(lǐng)域。人臉檢測的任務(wù)是從靜態(tài)圖像或視頻中定位人臉的位置。深入研究了灰度圖像復(fù)雜背景下的平面內(nèi)多視角的人臉檢測以及人臉跟蹤技術(shù)，具體工作如下： 改進(jìn)了AdaBoost的訓(xùn)練算法。該算法改原分類器的單閾值為雙閾值，且對(duì)樣本的一次遍歷便可完成一個(gè)弱分類器的訓(xùn)練，降低訓(xùn)練耗時(shí)。對(duì)其可行性給出了數(shù)學(xué)證明。 提出了

2、一種改進(jìn)的AdaBoost權(quán)值更新算法，該算法較原算法加入了評(píng)價(jià)其整體分類性能參數(shù)，以緩解的過擬合特性。對(duì)于改進(jìn)后算法在訓(xùn)練集上的錯(cuò)誤率上限給出了數(shù)學(xué)證明。 對(duì)Haar型特征進(jìn)行了擴(kuò)展，采用45°積分圖像并放寬了特征的計(jì)算條件以發(fā)掘具有更好分類性能的特征，從而保證多視角人臉檢測的需要。 提出了層級(jí)決策樹分類器以滿足檢測多視角人臉需要。出于不同層次的子分類器對(duì)其性能有不同的要求，在訓(xùn)練時(shí)，對(duì)于不同樣本賦予不同的分類錯(cuò)誤代價(jià)