基于AdaBoost的快速人臉檢測算法若干問題研究.pdf

1、人臉檢測是模式識別與計算機視覺研究領(lǐng)域比較基礎(chǔ)和重要的研究課題，在基于內(nèi)容的圖像與視頻檢索、視頻監(jiān)控、自動人臉識別以及智能人機交互等領(lǐng)域有著重要的應(yīng)用價值。人臉檢測方法經(jīng)過長期的發(fā)展，已經(jīng)取得了顯著的成績，應(yīng)用比較廣泛的是基于統(tǒng)計的人臉檢測方法。Paul Viola等人提出的基于積分圖像和AdaBoost的檢測方法，在準(zhǔn)確度及實時性方面都有著較高的表現(xiàn)。 本文對Paul Viola提出的快速正面人臉檢測方法進(jìn)行了深入研究并作改進(jìn)

2、。針對訓(xùn)練耗時的問題，本文采取新的訓(xùn)練流程，即通過存儲分類結(jié)果來加快訓(xùn)練速度。在實驗的基礎(chǔ)上，本文重點研究了學(xué)習(xí)算法和特征的組合方式對檢測率和誤檢率的影響。研究結(jié)果表明，擴展矩形特征可有效地提高檢測率；高性能的學(xué)習(xí)算法對加快訓(xùn)練系統(tǒng)的收斂速度有較大的意義。對訓(xùn)練集的構(gòu)建問題本文也進(jìn)行了深入的探討和研究。研究發(fā)現(xiàn)，側(cè)面人臉樣本比例較低的訓(xùn)練集能夠優(yōu)化級聯(lián)分類器的結(jié)構(gòu)。針對“自舉”非人臉方法的不足，本文提出了一種改進(jìn)方案，通過挑選與人臉樣本