結(jié)構(gòu)化haar特征方法研究與應(yīng)用.pdf

1、隨著當(dāng)今科技的快速穩(wěn)定發(fā)展,計算機視覺領(lǐng)域也獲得了迅猛的進(jìn)步,目標(biāo)檢測一直是該領(lǐng)域的研究重點,如何快速、準(zhǔn)確的檢測出目標(biāo)物體直接關(guān)系到后續(xù)的跟蹤、識別等相關(guān)應(yīng)用的研究。本文主要對目標(biāo)檢測技術(shù)開展研究,以Adaboost算法為基礎(chǔ),結(jié)合目標(biāo)物體的結(jié)構(gòu)特點設(shè)計出相應(yīng)的結(jié)構(gòu)化haar特征,來提高目標(biāo)訓(xùn)練和檢測的效率。
　　本文先對當(dāng)前一些常用的目標(biāo)檢測算法進(jìn)行了學(xué)習(xí),著重研究了Boosting算法和Adaboost算法的基本原理,并對算

2、法中使用的haar矩形特征、積分圖的基本理論和計算方法進(jìn)行了仔細(xì)分析。然后對基于Adaboost算法的目標(biāo)檢測系統(tǒng)中的訓(xùn)練和檢測兩部分進(jìn)行了認(rèn)真的學(xué)習(xí),重點研究了haar矩形特征、積分圖和分類器的訓(xùn)練的實現(xiàn)過程,以及兩種不同的目標(biāo)檢測方式,即檢測窗口不變方法和檢測窗口等比放大的方法,并最終實現(xiàn)了一個訓(xùn)練檢測系統(tǒng)。最后用人臉和車輛兩類常見目標(biāo)進(jìn)行測試,通過對每一種基本haar特征訓(xùn)練出的級聯(lián)分類器進(jìn)行測試、分析,并結(jié)合目標(biāo)物體的結(jié)構(gòu)特點設(shè)