人臉檢測(cè)技術(shù)研究.pdf

1、上海交通大學(xué)碩士學(xué)位論文人臉檢測(cè)技術(shù)研究姓名：田鐳申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：電工理論與新技術(shù)指導(dǎo)教師：陳洪亮20070101V就排出大量待檢測(cè)區(qū)域，極大地加快了人臉檢測(cè)速度。同時(shí)實(shí)驗(yàn)結(jié)果達(dá)到了較高的檢測(cè)率，并且能有效地解決側(cè)面人臉檢測(cè)問題。2)基于聚類算法的統(tǒng)計(jì)學(xué)習(xí)人臉檢測(cè)研究。對(duì)于Schneiderman提出的基于直方圖統(tǒng)計(jì)學(xué)習(xí)的人臉檢測(cè)算法進(jìn)行了改進(jìn)。對(duì)輸入圖像進(jìn)行對(duì)稱小波變換提取訓(xùn)練特征，并指明了小波系數(shù)量化方法；然后使用新的Ada

2、boost訓(xùn)練策略訓(xùn)練分類器，同時(shí)提出了最終人臉分類器的閾值選取準(zhǔn)則；最后應(yīng)用一種新型的類似于CLIQUE算法的聚類算法來解決檢測(cè)后結(jié)果融合問題。實(shí)驗(yàn)結(jié)果表明，該算法有效地提高了分類器的檢測(cè)率，同時(shí)降低了人臉誤檢個(gè)數(shù)，能很好地解決側(cè)面人臉檢測(cè)問題。此外由于該算法的通用性，亦適用于其它目標(biāo)檢測(cè)。3)基于二叉樹的Adaboost實(shí)時(shí)人臉檢測(cè)研究對(duì)Viola和Jones提出的Adaboost實(shí)時(shí)人臉檢測(cè)算法進(jìn)行補(bǔ)充，引入了基于二叉樹的Adab