基于Adaboost的人臉檢測技術研究.pdf

1、人臉檢測技術作為目標檢測的一個重要分支,在人工智能和模式識別領域中是一個很重要的課題。其在身份驗證、可視通信、人機界面、環(huán)境監(jiān)測、視頻監(jiān)控和教育系統(tǒng)等領域有著廣泛的應用。隨著智能計算技術的發(fā)展,很多新的方法和新的技術不斷被引入,人臉檢測效果越來越好,檢測速度也越來越快。
　　人臉檢測是指對于給定的任意一副圖像,通過一定的策略對其進行搜索以確定其中是否含有人臉,若有則返回人臉的位置、大小和姿態(tài)的過程,它是人臉識別和人臉圖像壓縮等應用

2、中的重要環(huán)節(jié)。本文重點研究了基于Adaboost算法的人臉檢測,包括以下四方面內容:
　　1.本文介紹了論文選題的意義和背景,人臉檢測的研究現(xiàn)狀,人臉檢測方法以及人臉檢測系統(tǒng)的評價標準等。
　　2.介紹了Viola-Jones檢測器原理以及Adaboost學習算法的理論基礎和發(fā)展歷程。
　　3.詳細分析了人臉檢測系統(tǒng)的訓練和檢測兩個過程,闡述了Haar特征、弱分類器、強分類器以及級聯(lián)分類器的構造和訓練過程,并構建人臉檢

3、測系統(tǒng)。
　　4.對傳統(tǒng)檢測方法和放大檢測窗口的方法進行比較,分析其分別對人臉檢測系統(tǒng)性能的影響。結果表明:傳統(tǒng)人臉檢測方法在檢測率和誤檢率上優(yōu)于后者。同時,分析傳統(tǒng)的Discrete Adaboost算法和改進的Adaboost算法所構建的人臉檢測系統(tǒng)對退化現(xiàn)象的抑制。結果表明:改進的算法可以更好的避免退化現(xiàn)象對系統(tǒng)的損壞。
　　最后,筆者提出了希望融合多元化的人臉檢測方法,將各種不同的人臉檢測算法進行有效的組合,從而提高