基于Gentle Adaboost的人臉檢測算法研究.pdf

1、人臉檢測一直以來都是計算機視覺和模式識別領域的重要研究課題，作為人臉研究領域的第一步，如何快速，準確的檢測出人臉直接關系到接下來的人臉應用研究。人臉檢測在智能監(jiān)控、門禁控制、媒體娛樂、人機交互、基于圖像內(nèi)容的檢索等方面都有著廣泛的應用價值。本文以Gentle Adaboost算法為核心，設計并實現(xiàn)了一個人臉檢測系統(tǒng)。同時針對弱分類器訓練算法的不足之處，進行了改進，提高了系統(tǒng)的檢測性能。研究工作主要包含以下幾個方面：
　　1.系統(tǒng)地

2、分析和探討了多種人臉檢測方法的基本理論，對人臉檢測方法進行了深入的研究和討論。
　　2.對人臉檢測系統(tǒng)中的的訓練和檢測兩個過程進行了詳細的分析，著重介紹了Haar矩形特征、積分圖、分類器的訓練過程；接著對兩種不同的人臉檢測方式進行了對比分析，即檢測窗口不變方法和檢測窗口等比放大的方法，并最終實現(xiàn)了一個簡易的人臉檢測系統(tǒng)。
　　3.針對訓練樣本過大時的耗時情況，采用了在迭代過程中等比例裁剪訓練樣本中小權重樣本的方法來加快訓練時

3、間。
　　4.采用了一種CART算法來對Gentle Adaboost算法中的弱分類器進行優(yōu)化處理，用一個CART二叉樹來代替?zhèn)鹘y(tǒng)算法中的一個弱分類器，實驗結果表明這在相同的實驗參數(shù)下，在保持檢測精度的同時，有效地縮短了訓練時間和檢測時間。
　　5.基于漏檢人臉窗口的代價比誤檢非人臉窗口的代價更大的思想，本文采用一種將正負樣本錯分率綜合考慮的情況下，加大重視對正樣本正確分類的自適應權重更新方法，同時為了避免訓練樣本中出現(xiàn)的噪