2016简单矩阵 积分图 弱分类器.docVIP

1 矩形特征与积分图 1.1 引言 AdaBoost人脸检测训练算法速度很重要的两方面，特征的选取和特征值的计算。将矩形作为人脸检测的特征向量，称为矩形特征。该算法选取了最简单的5个矩形特征模板进行训练，这种特征选取方法的训练速度虽然不快，但是检测效率很高。Viola 提出将积分图(integral image)应用到特征值的计算之中。积分图的引用，可以只对图像进行一次遍历计算，就能够在用常量时间完成每个特征值的计算，这使得训练和检测的速度大大提升。 1.2 矩形特征 Rectangle Feature 1.2.1 概述 在给定有限的数据情况下，基于特征的检测能够编码特定区域的状态，而且基于特征的系统比基于象素的系统要快得多。矩形特征对一些简单的图形结构，比如边缘、线段比较敏感，但是其只能描述特定走向（水平、垂直、对角）的结构，因此比较粗略。如图9，脸部一些特征能够由矩形特征简单地描绘，例如，通常，眼睛要比脸颊颜色更深；鼻梁两侧要比鼻梁颜色要深；嘴巴要比周围颜色更深。对于一个 24×24 检测器，其内的矩形特征数量超过160,000 个，必须通过特定算法甄选合适的矩形特征，并将其组合成强分类器才能检测人脸。 图 9 矩形特征在人脸上的特征匹配。上行是24×24 子窗口内 选出的矩形特征，下行是子窗口检测到的与矩形特征的匹配。 1.2.2 特征