宠物猫脸检测的法研究.pdfVIP

Research on Pet-Cat Face Detection Algorithm Author ：Suyi Xie Specialty: Pattern Recognition and Intelligence System Advisor: Pengfei Shi School of Electronics and Electric Engineering Institute of Image Processing and Pattern Recognition Shanghai Jiaotong University Shanghai, P.R China December 20, 2009 宠物猫脸检测的方法研究 摘 要 目标识别是计算机视觉和模式识别领域非常活跃的研究课题。针对生 物特征的识别都围绕着“人”来展开，人脸识别、表情识别、性别识别、 虹膜识别、手势识别等等。而日常生活中常见的动物如猫狗、牛羊等亦开 始出现在目标检测和识别中。特别地，猫、狗等宠物越来越受到人们的关 注。 本文以最常见的宠物——猫为研究对象，提出了一种应用于数码相机 的基于机器学习的由粗到精(coarse-to-fine) 的猫脸检测方法。首先，基于 Haar-like 特征的 AdaBoost 学习算法训练一个粗级的猫脸检测器。这个粗分 类器能够快速地检测出不同尺度的猫脸，在微软猫脸图片库(含猫脸图片 10000 幅)上测试达到 85%的检测率，但误检较高，误检猫脸占实际猫脸总 数的 27% 。为了排除误检，级联一个基于HOG 特征 SVM 分类器，对粗级 分类器的检出框归一化大小后作二次分类，将其结果作为最终分类结果， 误检猫脸数目由 281 个下降至 21(猫脸总数 10098)。 粗检测器使用基于查找表型弱分类器的 Gentle AdaBoost 算法训练而成。 Gentle Adaboost 是连续 Adaboost(Real AdaBosst)改进。与 Real AdaBosst 相 比，Gentle Adaboost 的弱分类器输出函数在数值上更稳定。而查找表型弱 I 分类器能减少 Haar 特征数，更好的表达正样本和负样本的分布。粗检测器 的目的是利用Haar+Adaboost 分类模式的快速检测能力，避免了 HOG+SVM 分类模式准确率高但耗时巨大的问题；精检测器利用 HOG+SVM 分类模式 出色的区分度弥补了粗检测器速度快但准确率不高的缺陷。 关键词：粗检测器，精检测器，基于查找表型弱分类器的Gentle AdaBoost， 方向梯度直方图，支持向量机 II Research on Pet-Cat Face Detection Algorithm ABSTRACT Visual object recognition is a very active topic in computer vision and pattern recognition area. Over the years, person has long been centered around by most of the research works, such as face recognition, gender recognition, and so on. Besides person, vehicle, character, etc. are also common object of study. While animals like cats and dogs, which c