基于Adaboost學習算法的人臉檢測方法研究.pdf

1、 本文對Viola方法做了一些擴展和改進，并設(shè)計了一個快速人臉檢測系統(tǒng)。首先，我們對Viola方法中所使用的矩形特征進行了擴展，采用了Rainer Lienhart等人提出的擴展的矩形特征。這個矩形特征庫相比Viola采用的矩形特征而言，主要是增加了 旋轉(zhuǎn)的矩形特征。通過積分圖可以快速計算矩形特征值，從而擴大了訓練的范圍，提高了檢測率并且降低了誤檢率。其次，本文通過對Adaboost學習算法的深入分析和研究，在Masayuki Na

2、kamura等人的基礎(chǔ)上，對原始Adaboost學習算法的權(quán)值更新規(guī)則做了一些改進，提出了一種改進的Adaboost學習算法，這個改進的新算法不僅可以減小系統(tǒng)誤差，同時能更有效的防止過學習現(xiàn)象的發(fā)生。 最后，本文運用上述的矩形特征來構(gòu)建弱分類器，采用改進的Adaboost學習算法和多層級聯(lián)分類器的結(jié)構(gòu)，搭建了一個快速人臉檢測系統(tǒng)。實驗結(jié)果表明該系統(tǒng)具有較高的檢測率和較低的誤檢率，同時檢測速度也基本達到了Viola所謂的實時檢測的標準