基于級(jí)聯(lián)Adaboost分類器的多視角人臉檢測(cè).pdf

1、作為一種比較重要的生物特征，人臉在計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域內(nèi)具有廣闊的前景與應(yīng)用價(jià)值，一直吸引著眾多研究者投入。但是，人臉也是一種比較復(fù)雜的非剛性目標(biāo)，其研究充滿挑戰(zhàn)，而多視角的人臉檢測(cè)的挑戰(zhàn)則更是如此。雖然目前所采用的方法都取得了不錯(cuò)的成效，但也存在一些局限性。在此背景之下，本文以近年以來(lái)在人臉檢測(cè)領(lǐng)域備受關(guān)注的Adaboost算法為基礎(chǔ)，提出了一種級(jí)聯(lián)Adaboost算法框架下的多視角人臉快速檢測(cè)方案。主要研究?jī)?nèi)容有如下幾點(diǎn)：

2、>　　1.采用由粗到精的思路進(jìn)行人臉檢測(cè)，先使用計(jì)算簡(jiǎn)單快速的Objectness方法獲得候選人臉區(qū)域，再對(duì)候選區(qū)域進(jìn)行人臉精檢測(cè)，實(shí)現(xiàn)在較少搜索窗的情況下確定人臉區(qū)域，減少檢測(cè)所需時(shí)間。
　　2.在基于級(jí)聯(lián) Adaboost算法的多視角人臉檢測(cè)分類器的訓(xùn)練過程中，訓(xùn)練某一視角的分類器時(shí)，除了以背景作為負(fù)樣本外，將其他視角的人臉也作為負(fù)樣本引入訓(xùn)練過程，并給予這些人臉負(fù)樣本較高的權(quán)重，使得它們能以高概率盡快被排除。
　　3.