基于AdaBoost的人臉檢測(cè)改進(jìn)算法.pdf

1、作為人臉識(shí)別系統(tǒng)的第一個(gè)環(huán)節(jié)，人臉檢測(cè)是為了從復(fù)雜背景中有效地定位并提取出人臉區(qū)域，由于其在安全訪問(wèn)控制、視覺(jué)監(jiān)測(cè)、基于內(nèi)容的檢索和新一代智能人機(jī)界面等眾多領(lǐng)域具有重要的應(yīng)用價(jià)值，近年來(lái)人臉檢測(cè)開(kāi)始被作為一個(gè)獨(dú)立的課題受到研究者們的普遍重視。21世紀(jì)初Viola基于AdaBoost算法的人臉檢測(cè)器的發(fā)表，從實(shí)質(zhì)上提高了人臉檢測(cè)的效率和精度，它是在提出的一系列Haar-like特征的基礎(chǔ)上，通過(guò)AdaBoost算法學(xué)習(xí)得到一系列弱分類(lèi)器，

2、再組合成一個(gè)強(qiáng)分類(lèi)器，然后再級(jí)聯(lián)一系列這樣的強(qiáng)分類(lèi)器組成人臉檢測(cè)器。但在實(shí)際應(yīng)用中，雖然由單一Haar-1ike特征組成的弱分類(lèi)器具有很大的檢測(cè)速度優(yōu)勢(shì)，但是難以保證較理想的檢測(cè)精度，并且當(dāng)檢測(cè)的圖片分辨率較大、人臉數(shù)目較多、背景較復(fù)雜時(shí)，由于檢測(cè)子窗口搜索范圍和搜索步長(zhǎng)的限制，檢測(cè)速度和精度往往會(huì)受到一定的影響。 本文的創(chuàng)新點(diǎn)在于以下四個(gè)方面： (1)鑒于目前還沒(méi)有針對(duì)于AdaBoost算法在人臉檢測(cè)中的應(yīng)用綜述，本文

3、對(duì)近年來(lái)比較成熟的AdaBoost人臉檢測(cè)算法做了較為詳細(xì)的綜述并比較。 (2)在AdaBoost算法的前期引入膚色分割步驟，并利用得到的膚色區(qū)域自適應(yīng)地調(diào)整檢測(cè)窗口的位置和移動(dòng)策略，將大部分非人臉樣本在早期排除，讓AdaBoost算法集中于判別有可能是人臉的區(qū)域，并在后期結(jié)合膚色區(qū)域來(lái)做最終判決，解決了原算法所產(chǎn)生的重復(fù)檢測(cè)問(wèn)題。 (3)在AdaBoost算法的后期引入了具有線(xiàn)形相位的雙正交小波，避免了由于單一Hag-

4、like特征過(guò)于簡(jiǎn)單所造成信息損失問(wèn)題。 (4)對(duì)原AdaBoost算法中強(qiáng)分類(lèi)器的固定閾值進(jìn)行改進(jìn)，根據(jù)強(qiáng)分類(lèi)器在訓(xùn)練集上的性能而自適應(yīng)地設(shè)定其閾值，在保證檢測(cè)系統(tǒng)性能的同時(shí)，極大地減小了所需要級(jí)聯(lián)的強(qiáng)分類(lèi)器的數(shù)量。 本文共采用了來(lái)自Internet和現(xiàn)實(shí)生活中的400張彩色人臉圖片，背景各異，人臉姿態(tài)方面存在一定的平面內(nèi)旋轉(zhuǎn)和平面外旋轉(zhuǎn)，另外有一定的光照影響。試驗(yàn)結(jié)果表明，本文改進(jìn)的AdaBoost人臉檢測(cè)算法能達(dá)到