人臉檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、人臉檢測(cè)作為物體檢測(cè)問(wèn)題的一個(gè)特例，長(zhǎng)期以來(lái)一直備受關(guān)注，已經(jīng)開(kāi)始廣泛應(yīng)用到全新人機(jī)界面、基于內(nèi)容的檢索、基于目標(biāo)的視頻壓縮、數(shù)字視頻處理、視覺(jué)監(jiān)測(cè)等許多領(lǐng)域。 本論文研究的是如何準(zhǔn)確地在復(fù)雜背景的灰度或彩色圖像中測(cè)人臉，同時(shí)驗(yàn)證了結(jié)合膚色等多種信息融合的方法是提高檢測(cè)速度的有效途徑之一。利用目前較為流行的AdaBoost算法的一個(gè)改進(jìn)算法——Gentle AdaBoost算法，設(shè)計(jì)實(shí)現(xiàn)了以這個(gè)算法為核心的快速人臉檢測(cè)系統(tǒng)，系統(tǒng)

2、分訓(xùn)練和檢測(cè)兩部分，訓(xùn)練的最終目的就是得到一多層分類器結(jié)構(gòu)，人臉檢測(cè)的效率和檢測(cè)速度在很大程度上是由這種結(jié)構(gòu)形式?jīng)Q定的。通過(guò)一系列的比較得出樣本選取、特征選取、核心算法等很多因素影響著多層分類器的結(jié)構(gòu)形式。 本論文利用相鄰象素間的相關(guān)性較強(qiáng)這種特性，從減少特征數(shù)目著手有效的縮短了訓(xùn)練速度；利用人臉樣本分布的統(tǒng)計(jì)特性從候補(bǔ)非人臉圖片中挑選非人臉樣本，既加快了利用分類器進(jìn)行非人臉樣本驗(yàn)證過(guò)程，又能在不影響檢測(cè)性能的前提下減少弱分類器