基于數(shù)理形態(tài)學(xué)和AdaBoost算法的人臉檢測(cè)研究.pdf

1、本文研究的主要目的是對(duì)于一幅給定的圖像，快速而準(zhǔn)確地檢測(cè)出人臉。使用的是一種復(fù)合策略，即將整個(gè)檢測(cè)過(guò)程分為兩個(gè)部分：第一部分是候選人臉檢出，第二部分是人臉驗(yàn)證。前一部分使用的是灰度圖像的數(shù)理形態(tài)學(xué)運(yùn)算，后一部分使用的是基于AdaBoost思想的分類器驗(yàn)證。 在候選人臉檢出部分，主要依據(jù)是眼睛灰度比周?chē)叶鹊?，而使用形態(tài)學(xué)閉運(yùn)算具有濾除灰度低谷的特性，去除眼睛部分，再通過(guò)與原始圖像的對(duì)消處理，抽取出類人眼部分，進(jìn)而抽取出候選人臉。

2、在人臉驗(yàn)證部分，主要使用的是AdaBoost集成分類器的思想。因?yàn)閺囊酝难芯拷?jīng)驗(yàn)表明，雖然采用最佳分類器能夠具有比其他任何一個(gè)分類器都好的識(shí)別性能，但是，不相同的分類器(包括最佳分類器)所產(chǎn)生的誤分類集合不一定是重疊的，或者說(shuō)性能較差分類器的誤分類集合不一定包含較好分類器的誤分類器集合。從這一點(diǎn)得到啟發(fā)，即，那些非最佳分類器有可能對(duì)所要完成的識(shí)別任務(wù)提供可以利用的補(bǔ)充信息，以便進(jìn)一步改善單個(gè)最佳分類器的性能。 對(duì)這兩大塊進(jìn)行了