基于連續(xù)Adaboost算法的人臉檢測研究.pdf

1、針對Haar特征的連續(xù)Adaboost算法在人臉檢測中的應用，本文分析了Haar特征選取的方法以及級聯(lián)分類器的準則，證明了連續(xù)Adaboost算法中的閾值與訓練誤差之間的關系。針對連續(xù)Adaboost算法中存在的不足:連續(xù)Adaboost算法中的平滑因子為固定的值，使得對所有Haar特征的平滑作用都相同，這使得連續(xù)Adaboost算法容易出現(xiàn)過學習現(xiàn)象，本文提出了Dynamic SmoothAdaboost算法，簡稱為DS-Adaboo

2、st算法。
　　本文首先介紹了Haar特征選取的方法，并計算了不同尺度模板下對人臉檢測有效的Haar特征的數(shù)目。
　　其次給出了與連續(xù)Adaboost算法相關的結論，并給出了嚴格的證明。定理1給出了連續(xù)Adaboost算法中的閾值與最終強分類器的訓練誤差所滿足的關系。定理2給出了權重更新策略。定理3證明了連續(xù)Adaboost算法中的平滑因子與歸一化因子之間的關系。
　　最后分析了Schapire等提出的連續(xù)Adaboo