一種收斂性隨機森林在人臉檢測中的應(yīng)用研究.pdf

1、人臉檢測作為圖像處理應(yīng)用中重要的組成部分，一直是近些年來研究的重點與熱點。人臉檢測方法種類繁多，呈現(xiàn)多角度性，與多層次性。如何選擇與利用合適的方法滿足不同的檢測要求已成為人臉檢測研究的核心內(nèi)容。本文從信息論等角度闡述了檢測問題的核心模型，對檢測方法做了詳細的分析，并且提出了一種改進的隨機森林檢測人臉的方法，主要完成了如下研究工作：
　　1.從檢測機制上對人臉檢測方法做了系統(tǒng)的介紹，分別從知識學(xué)習(xí)與統(tǒng)計學(xué)習(xí)兩個角度出發(fā)，對檢測方法進

2、行分類，對每一類檢測方法，特別是統(tǒng)計學(xué)習(xí)類的方法進行了詳細的分析與比較。
　　2.詳細深入地描述了隨機森林分類模型，并對該模型的理論基礎(chǔ)進行了剖析與論證，詳細討論了模型邊緣誤差與范上界誤差的推導(dǎo)過程以及隨機森林分類的機制原理。并且根據(jù)模型原理，得到了隨機森林與Adaboost，Bagging算法類的深層次聯(lián)系，為隨機森林與實驗步驟的改進提供了理論依據(jù)。
　　3.引入前向逐步疊加模型對隨機森林進行重新描述，令隨機森林以前向疊加

3、的方式逐層生長，使得層與層之間存在傳遞制約的關(guān)系，提出了???型隨機森林模型。在繼承原模型優(yōu)點的基礎(chǔ)上，較大程度上解決了原模型無法確保達到全局最優(yōu)的問題，提升了檢測速度與效率。最后通過實驗驗證了該模型的良好分類性能。
　　4.選取Haar特征作為人臉分類特征。為增強檢測算法的可分配性，利用Adaboost與隨機森林的潛在聯(lián)系，首先通過Adaboost方法生成Haar特征的候選集，再利用???型隨機森林進行樣本訓(xùn)練，間接優(yōu)化了實驗過