人臉靜態(tài)與動態(tài)檢測.pdf

1、人臉檢測問題最初來源于人臉識別，是自動人臉識別系統(tǒng)中的一個關(guān)鍵環(huán)節(jié)。近幾年隨著電子商務等應用的發(fā)展，使得人臉檢測開始作為一個獨立的課題受到研究者的重視。今天，人臉檢測的應用背景己經(jīng)遠遠超出了人臉識別系統(tǒng)的范疇，在基于內(nèi)容的檢索、數(shù)字視頻處理、視覺監(jiān)測等方面有著重要的應用價值。 對于人臉檢測的研究，經(jīng)歷了由簡單到復雜，由靜態(tài)圖像檢測到視頻實時檢測的發(fā)展過程。由于人臉模式錯綜復雜、易受干擾，所以很多常用的人臉檢測算法一般都存在計算量

2、大、速度慢、誤檢率高的弱點。Viola于2001年提出的基于積分圖的AdaBoost方法，是目前人臉檢測領(lǐng)域最先進的技術(shù)之一。在此基礎(chǔ)上所構(gòu)建的檢測系統(tǒng)是第一個真正實時的人臉檢測系統(tǒng)。該方法先利用“積分圖”快速計算特征，構(gòu)造弱分類器：然后通過AdaBoost學習算法，從得到的大量弱分類器中，產(chǎn)生一個高效的強分類器；最后采用級聯(lián)方式將單個的強分類器再合成為一個更加復雜的層疊分類器，使圖像背景區(qū)域快速地丟棄，保證了檢測速度。 本文中

3、算法構(gòu)架主要采用AdaBoost學習訓練算法和基于瀑布型算法分類器的檢測架構(gòu)。文中對AdaBoost訓練速度慢的特點進行一定的改進，采用的基于瀑布型算法架構(gòu)就是用非常簡單的分類器把大部分顯然不可能包含人臉的子窗口從大量的被檢測子窗口中篩選掉，而保留那些更有可能是人臉的子窗口。這些簡單的分類器被安排在整個多層結(jié)構(gòu)的早期，從而使得那些背景中分離出來的子窗口能夠在盡可能少的運算步驟后就被篩選掉，從而避免了需要經(jīng)過整個多層結(jié)構(gòu)的復雜運算。而這些