基于局部自適應(yīng)核回歸的Adaboost人臉檢測(cè)算法研究.pdf

1、人臉檢測(cè)作為人臉識(shí)別和人臉圖像信息處理的關(guān)鍵技術(shù)，其檢測(cè)效果會(huì)直接影響到后續(xù)課題的研究。由于圖像容易受到成像設(shè)備、成像條件以及存儲(chǔ)方式的影響，致使人臉檢測(cè)技術(shù)在投入實(shí)際使用的過程中遇到種種困難，這方面的研究也就成為一項(xiàng)復(fù)雜而具有挑戰(zhàn)性的研究課題。
　　本文在對(duì)當(dāng)前人臉檢測(cè)技術(shù)的基本理論和方法進(jìn)行綜合討論的基礎(chǔ)上，對(duì)人臉檢測(cè)過程中的若干關(guān)鍵問題，特別是特征提取、分類器設(shè)計(jì)和系統(tǒng)構(gòu)建等方面進(jìn)行了較為深入的探究。通過研究基于AdaBoo

2、st的人臉檢測(cè)算法與局部自適應(yīng)核回歸（LARK）的特征提取方法的特性，將兩種方法結(jié)合起來構(gòu)成人臉檢測(cè)系統(tǒng)以便達(dá)到提高人臉檢測(cè)精度的目的。本文所做的研究工作主要包括以下幾個(gè)方面：
　　首先，研究了基于AdaBoost的人臉檢測(cè)算法。詳細(xì)討論了Haar特征、積分圖和級(jí)聯(lián)分類器構(gòu)成基于AdaBoost算法的人臉檢測(cè)系統(tǒng)的三個(gè)組成部分。針對(duì)各個(gè)層級(jí)分類器分類結(jié)果可能出現(xiàn)的漏檢現(xiàn)象進(jìn)行實(shí)驗(yàn)和分析。
　　其次，研究了局部自適應(yīng)核回歸特征

3、提取方法。這個(gè)方法對(duì)捕捉基本數(shù)據(jù)的局部結(jié)構(gòu)很有效，可以很好地描述出圖像中邊緣位置的形狀和圖形的走向。文中使用該特征提取方法構(gòu)成一個(gè)人臉檢測(cè)系統(tǒng)，通過實(shí)驗(yàn)論述了該方法在檢測(cè)過程對(duì)圖像信息描繪的優(yōu)勢(shì)，但檢測(cè)結(jié)果受到目標(biāo)圖像中相似區(qū)域的干擾較大。
　　最后，實(shí)現(xiàn)了基于AdaBoost算法和LARK特征提取方法相結(jié)合的人臉檢測(cè)算法。將各個(gè)層級(jí)分類器的檢測(cè)結(jié)果作為用LARK特征提取方法構(gòu)成的分類器的輸入，以提高檢測(cè)系統(tǒng)的檢測(cè)率。通過實(shí)驗(yàn)比對(duì)