基于AdaBoost人臉檢測(cè)算法的研究.pdf

1、機(jī)器視覺(jué)是人工智能科學(xué)的一個(gè)重要內(nèi)容，人臉?lè)治鍪菣C(jī)器視覺(jué)的難點(diǎn)技術(shù)，它包括人臉檢測(cè)和人臉識(shí)別兩部分。其中人臉檢測(cè)是實(shí)現(xiàn)智能化識(shí)別的關(guān)鍵環(huán)節(jié)，具有重要的研究?jī)r(jià)值。根據(jù)歷史發(fā)展過(guò)程來(lái)看，人臉檢測(cè)從初期的重點(diǎn)提高系統(tǒng)精度，到現(xiàn)在的保證精度的前提下提高系統(tǒng)速度并達(dá)到實(shí)時(shí)的時(shí)期，過(guò)程中有大量高效的檢測(cè)算法被提出和發(fā)展，其中最有代表性的是基于AdaBoost的人臉檢測(cè)算法。這種人臉檢測(cè)技術(shù)通過(guò)積分圖和分類器級(jí)聯(lián)等方法能夠有效地降低系統(tǒng)檢測(cè)檢測(cè)時(shí)間，

2、提高系統(tǒng)效率，并保證了較高水平的精度，真正達(dá)到了實(shí)時(shí)系統(tǒng)的標(biāo)準(zhǔn)。這樣的方法后來(lái)被許多學(xué)者進(jìn)行研究改進(jìn)，目前在檢測(cè)的綜合性能上總體表現(xiàn)十分優(yōu)良。不過(guò)對(duì)于該基于樣本學(xué)習(xí)和特征檢測(cè)的方法，訓(xùn)練速度的考慮相對(duì)較少。
　　 由于現(xiàn)代數(shù)據(jù)庫(kù)的容量大和更新快等特點(diǎn)，訓(xùn)練效率的重要性不斷提高。本論文將提升訓(xùn)練效率作為突破口進(jìn)行重點(diǎn)研究。首先通過(guò)對(duì)AdaBoost算法中的PAC學(xué)習(xí)模型、Haar-like特征、積分圖、分類器訓(xùn)練及檢測(cè)器級(jí)聯(lián)五個(gè)關(guān)

3、鍵技術(shù)進(jìn)行分析，通過(guò)概念闡述和理論推導(dǎo)詳細(xì)討論了各階段算法的性質(zhì)，作為后面討論的理論基礎(chǔ)。然后通過(guò)訓(xùn)練成本分析實(shí)驗(yàn)闡明了特征篩選的必要性：通過(guò)特征值分析實(shí)驗(yàn)闡明了特征篩選的有效性和可行性，探討了特征優(yōu)劣的衡量指標(biāo)。
　　 結(jié)合實(shí)驗(yàn)分析結(jié)果，接下來(lái)對(duì)本文提出的特征篩選方法開(kāi)始詳細(xì)介紹。首先介紹了一種預(yù)處理特征篩選方法。該方法基于綜合評(píng)價(jià)理論，結(jié)合實(shí)驗(yàn)分析得到的評(píng)價(jià)指標(biāo)，能夠?qū)μ卣靼幢壤M(jìn)行篩選。這樣的篩選過(guò)程能夠保證所有淘汰的特征