基于AdaBoost改進的人臉檢測算法研究.pdf

1、人臉檢測是人臉識別的第一步,在安全系統(tǒng)中有著重要作用,如嵌入式監(jiān)控系統(tǒng)等。對于任意一副圖像,人眼可以直接判定是否存在人臉,但是計算機就需要對圖像進行計算統(tǒng)計來判定是否存在人臉,如果存在就需要統(tǒng)計出人臉的尺寸以及位置,這個過程被稱作人臉檢測。
　　AdaBoost算法因其有著高檢測率以及檢測速度快等優(yōu)點,成為目前人臉檢測領(lǐng)域最為成功的算法之一。但是在實際應(yīng)用中,提高AdaBoost算法的檢測效率非常重要。本文著重關(guān)注人臉檢測階段,通

2、過對人臉檢測速度以及誤檢率的影響因素的研究,提出了如何快速、準確的在一副圖片中檢測出人臉。
　　本文的主要工作包括:
　　(1)通過研究 AdaBoost人臉檢測過程中縮放方式對檢測速率的影響,針對分辨率為640x480的隨機圖片,建立了人臉尺寸高斯模型以及單幅人臉權(quán)重模型。這兩個模型的建立,有助于分析人臉分布趨勢,應(yīng)用于人臉檢測過程中,有助于減少重復(fù)檢測以及無效檢測。
　　(2)根據(jù)建立的人臉尺寸高斯模型以及單幅人臉

3、權(quán)重模型,提出了新的人臉檢測的縮放方式,該方法能夠快速判斷人臉尺寸出現(xiàn)的最可能范圍,并根據(jù)此范圍來設(shè)定縮放系數(shù)。實驗表明,對于單幅人臉圖片,該方法能夠有效的提高檢測速度。
　　(3)通過對特征臉的分析,設(shè)計一種基于優(yōu)化后的 AdaBoost檢測算法的BP神經(jīng)網(wǎng)絡(luò)檢測模型,該模型中BP神經(jīng)網(wǎng)絡(luò)采用分級方式,并利用人臉分布高斯模型設(shè)置分級方式。首先由優(yōu)化后的AdaBoost算法對原始圖像進行檢測,獲取人臉區(qū)域范圍,然后用分級BP神經(jīng)網(wǎng)