基于部分集分類器和并行計(jì)算的人臉檢測(cè)訓(xùn)練.pdf

1、隨著機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)研究的不斷發(fā)展，通過(guò)算法自動(dòng)對(duì)現(xiàn)實(shí)世界里的目標(biāo)物進(jìn)行檢測(cè)成為了可能。而在目標(biāo)物檢測(cè)領(lǐng)域內(nèi)，人臉檢測(cè)無(wú)疑是現(xiàn)實(shí)需求最大、相關(guān)研究最多的領(lǐng)域之一。
　　 人臉檢測(cè)的算法自從選擇了Adaboost機(jī)器學(xué)習(xí)算法作為主要框架，并由Viola和Jones進(jìn)行了適用于人臉特征的改進(jìn)后，已經(jīng)漸漸從實(shí)驗(yàn)室的理論走向了成熟和實(shí)用。不過(guò)在實(shí)際應(yīng)用鋪開(kāi)的同時(shí)，人臉檢測(cè)的研究領(lǐng)域里其實(shí)還有許多尚待解決的問(wèn)題，分類器訓(xùn)練時(shí)間過(guò)長(zhǎng)就是

2、問(wèn)題之一。為了縮短訓(xùn)練分類器所需時(shí)間，本文提出了兩種方法對(duì)人臉檢測(cè)算法進(jìn)行改進(jìn)。
　　 首先，本文提出了部分集分類器的猜想，即在分類器學(xué)習(xí)過(guò)程中，不完全學(xué)習(xí)在一定條件下等同于完全學(xué)習(xí)，用部分采樣代替完全學(xué)習(xí)來(lái)減少訓(xùn)練時(shí)間。按照此猜想，本文提出了構(gòu)建部分集分類器的固定分塊法和可變分塊法，并將其運(yùn)用在Haar特征窗口和樣本圖像塊的匹配計(jì)算上。實(shí)驗(yàn)證明，部分集分類器的猜想是可行的，在顯著地減少訓(xùn)練時(shí)間的同時(shí)，對(duì)檢測(cè)精度的影響很小。

3、r>　　 其次，本文分析了人臉檢測(cè)算法中可以并行化的過(guò)程：Adaboost樣本訓(xùn)練過(guò)程和Bootstrapping圖像塊篩選過(guò)程。在OpenMP平臺(tái)的支持下，本文用四核并行框架對(duì)算法進(jìn)行了優(yōu)化處理。實(shí)驗(yàn)表明，并行優(yōu)化后的算法訓(xùn)練時(shí)間明顯下降，而且由于圖像計(jì)算中弱關(guān)聯(lián)性的特點(diǎn)，并行化不會(huì)影響檢測(cè)精度。
　　 最后，我們把部分集分類器和并行計(jì)算框架這兩種方法結(jié)合起來(lái)，在實(shí)驗(yàn)中使算法的訓(xùn)練時(shí)間減少為優(yōu)化前的六分之一，并和人臉檢測(cè)領(lǐng)域