基于AdaBoost算法的快速人臉檢測系統(tǒng)的研究與實現(xiàn).pdf

1、人臉檢測在模式識別和計算機視覺研究領(lǐng)域一直都是一個比較基礎(chǔ)和重要的研究課題，也是目標(biāo)檢測課題當(dāng)中的一個非常典型的實例。同時在視覺監(jiān)測、三維人臉建模、人臉識別、基于內(nèi)容的圖像檢索、人臉表情分析等領(lǐng)域都有著相當(dāng)廣泛的應(yīng)用，因而人臉檢測技術(shù)已經(jīng)越來越受到人們的重視。
　　所謂人臉檢測是指對于任意的一幅給定的圖像，采用特定的基于人臉特征的策略進(jìn)行特征的提取，并確定圖像中是否含有人臉，如果有則返回人臉的位置及大小。
　　本文主要研究了

2、基于AdaBoost算法的人臉檢測方法，主要任務(wù)在于：
　　1、系統(tǒng)介紹了當(dāng)前國內(nèi)外人臉檢測方法的研究現(xiàn)狀。
　　2、詳細(xì)介紹了傳統(tǒng)基于Harr特征的AdaBoost算法中的Harr特征、積分圖像、弱分類器、強分類器等概念，并對算法進(jìn)行了優(yōu)化。
　　3、詳細(xì)介紹了基于多區(qū)塊局部二值模式(MBLBP)特征的AdaBoost人臉檢測算法，相比Harr特征有效地縮短了訓(xùn)練時間，并且對算法訓(xùn)練過程中的權(quán)值扭曲現(xiàn)象進(jìn)行了有效地改

3、進(jìn)。
　　4、單一利用Harr特征訓(xùn)練準(zhǔn)確率較高，但是由于最后訓(xùn)練得到的分類器包括特征偏多，因而進(jìn)行檢測時比較耗時，難以達(dá)到實時的要求；而基于MBLBP特征的檢測器由于特征數(shù)量較少，則可以很好地彌補基于Harr特征分類器耗時的缺點。為此本文提出了一種基于MBLBP和Harr特征的人臉檢測算法，試驗結(jié)果表明采用本文方法構(gòu)建的分類器可以較好地達(dá)到實時和準(zhǔn)確率的要求。
　　5、搭建了一個基于本文算法的快速人臉檢測系統(tǒng)。試驗表明系統(tǒng)