基于AdaBoost的快速人臉檢測(cè)算法若干問(wèn)題研究.pdf

1、人臉檢測(cè)是模式識(shí)別與計(jì)算機(jī)視覺(jué)研究領(lǐng)域比較基礎(chǔ)和重要的研究課題，在基于內(nèi)容的圖像與視頻檢索、視頻監(jiān)控、自動(dòng)人臉識(shí)別以及智能人機(jī)交互等領(lǐng)域有著重要的應(yīng)用價(jià)值。人臉檢測(cè)方法經(jīng)過(guò)長(zhǎng)期的發(fā)展，已經(jīng)取得了顯著的成績(jī)，應(yīng)用比較廣泛的是基于統(tǒng)計(jì)的人臉檢測(cè)方法。Paul Viola等人提出的基于積分圖像和AdaBoost的檢測(cè)方法，在準(zhǔn)確度及實(shí)時(shí)性方面都有著較高的表現(xiàn)。 本文對(duì)Paul Viola提出的快速正面人臉檢測(cè)方法進(jìn)行了深入研究并作改進(jìn)

2、。針對(duì)訓(xùn)練耗時(shí)的問(wèn)題，本文采取新的訓(xùn)練流程，即通過(guò)存儲(chǔ)分類結(jié)果來(lái)加快訓(xùn)練速度。在實(shí)驗(yàn)的基礎(chǔ)上，本文重點(diǎn)研究了學(xué)習(xí)算法和特征的組合方式對(duì)檢測(cè)率和誤檢率的影響。研究結(jié)果表明，擴(kuò)展矩形特征可有效地提高檢測(cè)率；高性能的學(xué)習(xí)算法對(duì)加快訓(xùn)練系統(tǒng)的收斂速度有較大的意義。對(duì)訓(xùn)練集的構(gòu)建問(wèn)題本文也進(jìn)行了深入的探討和研究。研究發(fā)現(xiàn)，側(cè)面人臉樣本比例較低的訓(xùn)練集能夠優(yōu)化級(jí)聯(lián)分類器的結(jié)構(gòu)。針對(duì)“自舉”非人臉?lè)椒ǖ牟蛔悖疚奶岢隽艘环N改進(jìn)方案，通過(guò)挑選與人臉樣本