基于多阈值Boosting方法的人脸检测.pdfVIP

第35卷 第ll期 计 算 机 工 程 2009年6月 Vo1．35 No．j ComputerEngineering June2009 · 人工智能及识别技术 · 文章编号2009)11--017203— ———— 再■ 基于多阈值Boosting方法的人脸检测 钟向阳 ，凌 捷 (1．嘉应学院计算机系，梅州 514015；2．广东工业大学计算机学院，广州 510090) 摘 要：Adaboost算法采用单阈值弱分类器，难以拟合复杂分布，其训练过程收敛速度较慢。针对该问题设计一种多阈值弱学习器，利用 平方和减少最大化准则划分节点并生成弱分类器，在训练数据集上采用 GAB算法将弱分类器提升为强分类器。实验结果表明，在弱分类 器数 目相同的情况下，该方法的正样本误报率低于Adaboost算法。 关健词：人脸检测；boosting方法；实值Adaboost；平缓Adaboost FaceDetectionBased0nM ultipleThresholdsBoostingM ethod ZHONGXiang-yang．LINGJie (1．DepartmentofComputer，JiayingUniversity,Meizhou514015； 2．SchoolofComputer，GuangdongUniversityofTechnology，Guangzhou51OO901 |Abstract]AimingattheproblemthattheAdaboostalgorithmusingsimplethresholdweakclassifiersistooweka tofitcomplexdistributionsand itsslowconvergencerateintraining，thispaperdesignsamultiplethresholdsweka learner．Thislearnersplitsthenodesbyusingbiggestreductionin the sum ofsquaresasthepartitioncriteriaandbuildsaweak classifier．Itboostsweak classifiersusingGAB algorithm ontrainingdataset． ExperimentalresultsshowthatthefalsepositiverateofthismethodislowerthanAdaboostalgorithm athtesamenumberofweka classifiers． [Keywords]facedetection；Boostingmethod；realAdaboost-gentleAdaboost l 概述 (1)给定期望强分类器的最小检测率 和最大误检率 人脸检测具有重要意义，可以应用到人脸识别、新一代 ，，输入m个训练样本 (，Y1)，(x2，Y2)，…，(，Ym)，其中， 人机界面、安全访问和视觉监控、基于内容的检索等领域。 人脸正样本P集有 npos个 ；非人脸负样本Ⅳ集有nneg个； 文献 1【】提出一种综合了矩形特征、积分图、Adaboost算法和 Y=一1或+1分别对应负样本和正样本。 Cascade分类器的实时人脸检测系统。Adaboost算法是一种 (2)对每个正样本赋初始权值Wp=1／(2×npos)，每个负样 DAB(DiscreteAdaboost)算法，其 目标是从弱分类器空间中自 本 的权值 WN=1／(2×nneg)，当前强分类器 的误检率 动挑选若干个弱分类器，并将其整合成一个强分类器