基于AdaBoost和遗传算法的快速人脸定位算法.pdfVIP

华南理工大学学报(自然科学版) JournalofSouthChina of V01．35No．1 第35卷第1期 University Technology Science 2007 2007年1月 (NaturalEdition) January 唐旭晟欧宗瑛苏铁明 华顺刚 (大连理工大学精密与特种加工教育部重点实验室，辽宁大连116023) 摘要：针对采用AdaBoost算法构建人脸检测器时存在的特征冗余问题，提出了一种新 然后用遗传算法在低雏的AdaHaar特征空间进一步优选，消除冗余并得到相应的权系数， 最终的人脸检测器由这些优选的弱分类器及其相应权系数线性组合而成．实验结果表明， 采用文中算法训练的人脸检测器在检测正确率、检测速度及占用内存等方面的性能都得 到了改善． 关键词：人脸检测；人脸识别；AdaBoost算法；遗传算法；特征选取；模式识别 中图分类号：TP391．41 文献标识码：A 人脸检测是指在输入图像中确定所有人脸(如 果存在)的位置的过程．它不仅是自动人脸识别系 统的关键环节，而且在基于内容的检索、视觉监测和 Boost算法相比，可用更少的弱分类器，达到更优的 新一代人机界面等领域都有着巨大的应用价值，一 直是模式识别和人工智能领域的重要研究课题”1． 制，训练时间较长，是AdaBoost算法的5倍． 已有的人脸检测算法主要有：基于特征的算 针对以上不足，文中提出了一种新的人脸检测 法”1、基于人脸肤色的算法”。4o和基于统计模型的 算法”’61．其中基于统计模型的算法是目前解决复 用遗传算法消除冗余弱分类器，并学习相应的权值， 杂背景图像中人脸检测问题的有效途径．Viola等”1 最终的分类器是经遗传算法择优的弱分类器及权值 采用AdaBoost算法构建层叠式人脸检测器，是人脸 检测算法上的重大突破．随后Zhang等”1对这一方 法加以改进，并建立了第一个实时的多视角人脸检 择．而遗传算法的全局寻优能力可有效地消除了 测系统：目前实时人脸检测器基本上都是基于Ada- Boost算法”‘1“．AdaBoost算法的基本思想是在给定 法造成的训练时间加长．实验结果表明，该算法在缩 的训练集上，反复选出关键的分类特征并扩建弱分 短训练时间及简化模式结构的同时，检测精度和速 类器集，最终强分类器由这些弱分类器线性组合构 度都得到了提高． 成““．然而AdaBoost算法采用顺序前进法搜索策 略，尽管每次迭代选择的弱分类器是局部最优，但最 1 基于类Haar小波的层叠式分类器 终构成强分类器的弱分类器及其系数并不是最 目前绝大多数的实时人脸检测系统都是基于 收稿日期：2005一12—14 t基金项目：大连理工大学交叉学科基金资助项目(光电子+ X2006) 作者简介：唐旭晟(1973一)，男，博士生，工程师，主要从事算法来挑选弱分类器，再采用遗传算法构建各层强 模式识别方面的研究．E·mail：tribology@163．com 分类器． 万方数据 第1期 唐旭晟等：基于AdaBoost和遗传算法的快速人脸定位算法 1．1层叠式分类器模型 次循环中第