基于AdaBoost改進(jìn)的人臉檢測(cè)算法研究.pdf

1、人臉檢測(cè)是人臉識(shí)別的第一步,在安全系統(tǒng)中有著重要作用,如嵌入式監(jiān)控系統(tǒng)等。對(duì)于任意一副圖像,人眼可以直接判定是否存在人臉,但是計(jì)算機(jī)就需要對(duì)圖像進(jìn)行計(jì)算統(tǒng)計(jì)來(lái)判定是否存在人臉,如果存在就需要統(tǒng)計(jì)出人臉的尺寸以及位置,這個(gè)過(guò)程被稱作人臉檢測(cè)。
　　AdaBoost算法因其有著高檢測(cè)率以及檢測(cè)速度快等優(yōu)點(diǎn),成為目前人臉檢測(cè)領(lǐng)域最為成功的算法之一。但是在實(shí)際應(yīng)用中,提高AdaBoost算法的檢測(cè)效率非常重要。本文著重關(guān)注人臉檢測(cè)階段,通

2、過(guò)對(duì)人臉檢測(cè)速度以及誤檢率的影響因素的研究,提出了如何快速、準(zhǔn)確的在一副圖片中檢測(cè)出人臉。
　　本文的主要工作包括:
　　(1)通過(guò)研究 AdaBoost人臉檢測(cè)過(guò)程中縮放方式對(duì)檢測(cè)速率的影響,針對(duì)分辨率為640x480的隨機(jī)圖片,建立了人臉尺寸高斯模型以及單幅人臉權(quán)重模型。這兩個(gè)模型的建立,有助于分析人臉?lè)植稼厔?shì),應(yīng)用于人臉檢測(cè)過(guò)程中,有助于減少重復(fù)檢測(cè)以及無(wú)效檢測(cè)。
　　(2)根據(jù)建立的人臉尺寸高斯模型以及單幅人臉

3、權(quán)重模型,提出了新的人臉檢測(cè)的縮放方式,該方法能夠快速判斷人臉尺寸出現(xiàn)的最可能范圍,并根據(jù)此范圍來(lái)設(shè)定縮放系數(shù)。實(shí)驗(yàn)表明,對(duì)于單幅人臉圖片,該方法能夠有效的提高檢測(cè)速度。
　　(3)通過(guò)對(duì)特征臉的分析,設(shè)計(jì)一種基于優(yōu)化后的 AdaBoost檢測(cè)算法的BP神經(jīng)網(wǎng)絡(luò)檢測(cè)模型,該模型中BP神經(jīng)網(wǎng)絡(luò)采用分級(jí)方式,并利用人臉?lè)植几咚鼓Ｐ驮O(shè)置分級(jí)方式。首先由優(yōu)化后的AdaBoost算法對(duì)原始圖像進(jìn)行檢測(cè),獲取人臉區(qū)域范圍,然后用分級(jí)BP神經(jīng)網(wǎng)