基于fast-AdaBoost算法的人臉檢測與識別方法研究.pdf

1、隨著社會的快速發(fā)展，身份鑒別逐漸成為人們生活中不可或缺的一部分，因而人們對身份鑒別的準確性、安全性、可靠性等都提出了非常高的要求。人類所特有的生理特征（指紋、人臉、虹膜等）因其先天的個體差異性為身份鑒別提供了可能，使生物特征識別技術受到了人們的普遍重視，人臉是人與人之間差別最直觀的描述，并且人臉采集具有非侵犯性，因此人臉識別成為生物特征識別中非常熱門的一個研究課題。
　　鑒于人臉識別在現實生活中的重要性，本文將對人臉識別進行系統(tǒng)的

2、研究。人臉識別的主要內容包括:人臉檢測和人臉識別。人臉檢測作為人臉識別的基礎部分，對人臉識別至關重要，但就目前人臉檢測的現狀來看，現有算法仍然存在種種弊端，例如退化現象等，因此對人臉檢測問題的深入研究是非常必要的，人臉識別作為人臉檢測的一個應用方向，它只有滿足很強的實用性才能被廣泛采用，然而，影響人臉識別率的因素很多，現有系統(tǒng)的魯棒性都很差，人臉識別準確率還有待進一步的提高。
　　本文在詳細閱讀人臉檢測及人臉識別大量文獻和完成相關

3、實驗后，總結了當前人臉檢測及識別所面臨的主要問題，緊緊圍繞解決這些問題開展本文工作，具體研究內容及創(chuàng)新點如下幾個方面:
　　(1)認真分析了當前人臉檢測及識別的研究現狀，通過實驗對現有的人臉檢測和識別算法進行了對比研究，確定了本文的研究方向和擬解決的關鍵問題。
　　(2)詳細介紹了fast-AdaBoost算法的內容，積分圖的概念，矩形特征值的計算，并針對現有Haar特征存在的不足，改進并完善了矩形特征的類型，重點研究了fa

4、st-AdaBoost算法訓練弱分類器的原理，給出了與AdaBoost算法訓練弱分類器的區(qū)別，設計了fast-AdaBoost算法的流程圖，并在MATLAB平臺下對算法進行了編程。
　　(3)總結了fast-AdaBoost算法存在的問題，通過引入LAC理論來解決樣本權重的退化現象，提出了基于LAC動態(tài)樣本權重更新的人臉檢測算法，設計并訓練了串級人臉檢測器，同時給出了圖像中人臉搜索的具體方法，實驗結果表明本文改進的人臉檢測算法具有