【网络多媒体教学】第五组人脸识别ppt汇总.ppt

人脸检测 训练学习器 通过机器学习算法 —adaboost 算法挑选数千个有效的 haar 特征来组成人脸检测器 流程举例 Test 1 Test 2 测试结果 彩色人脸库 Adaboost 人脸检测原理 CONTENTS PART ONE 1、什么是Adaboost PART TWO 2、Adaboost的算法原理 PART THREE 3、Haar特征 PART FOUR 4、基于Adaboost的人脸检测 1 什么是Adaboost Action speak louder than words. 直接略过繁杂的公式，告诉你们本质 Adaboost 起源 起源来自于PAC Learnability(PAC 可学习性)。这套理论主要研究的是什么时候一个问题是可被学习的。 Valiant和 Kearns首次提出了 PAC学习模型中弱学习算法和强学习算法的等价性问题,即任意给定仅比随机猜测略好的弱学习算法 ,是否可以将其提升为强学习算法 ? Schapire在1996年提出一个有效的算法真正实现了这个夙愿，它的名字叫AdaBoost。 简介 AdaBoost 是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器，即弱分类器，然后把这些弱分类器集合起来，构造一个更强的最终分类器。 2 Adaboost的算法原理 Two heads are better than one. 三个臭皮匠赛过诸葛亮 Adaboost 一个不准确的分类 弱分类器 很准确逼近正确答案的分类器 强甚至最终分类器 简单举个例子 for example 把图中正负分离 对了2个正号 负号全对 错了3个正号 增加他3点正号误差的权重 第一次 正号全对 负号对了2个 错了3个负号 增加他3点负号误差的权重 第二次 对了3 【+】，3【-】 错了2【+】，1【-】 增加2点正号权重 增加1点负号权重 第三次 result result reason 对三个弱分类器做叠加成强分类器 3 Haar特征 Show me the pic. 没有图你说个X，有图才能说X 1st 白/黑：上下、左右、全包围、半包围、边缘 简单的特征（称为Harr特征） 2nd 白色区域内的像素和减去黑色区域 计算方法（face） 3rd 使用数千张切割好的人脸图片，和上万张背景图片作为训练样本。训练图片一般归一化到 20*20 的大小。在这样大小的图片中，可供使用的 haar 特征数在 1 万个左右。 人脸训练 Haar特征 4 基于Adaboost的人脸检测 Talk is cheap. 说的话和女生的裙子一样越短越好 人脸检测 训练学习器 通过机器学习算法 —adaboost 算法挑选数千个有效的 haar 特征来组成人脸检测器 对图像处理 使用时，将图像按比例依次缩放，然后在缩放后的图片的 20*20 的子窗口依次判别是人脸还是非人脸。 流程举例 Talk is cheap,show me the code. 请出我的同伴——陈锦标 我们的程序设计基于OPENCV，而OPENCV正是基于Adaboost的原理 承上启下 OPENCV 人脸检测识别 C++程序 CONTENTS PART ONE 1、程序设计 PART TWO 2、人脸检测功能 PART THREE 3、人脸识别功能 PART FOUR 4、现场实践 1 程序设计 Action speak louder than words. 主界面 选择模式特征模式 加载正脸级联分类器 作为识别判别标准 加载图像源，转为灰度 存放图像数据 取得正脸数据 处理正脸数据，特征数据 用圆圈课框画出来 调用显示窗口 2 人脸检测功能 Two heads are better than one. 程序进入界面 人脸检测结果 多个人脸检测结果 很遗憾的是。。。 侧脸是不能 被检测出来的。。。 3 人脸识别功能 Show me the pic. 人脸检测 训练学习器 通过机器学习算法 —adaboost 算法挑选数千个有效的 haar 特征来组成人脸检测器 流程举例 如果我们要在里面找出这个同学。。。 参考文献: [1]沈理，刘翼光，熊志勇.人脸识别原来及算法[M].人民邮电出版社.2015 [2] 张翠平,苏光大. 人脸识别技术综述[J]. 中国图象图形学报. 2000(11) [3] 买买提江玉山. 基于C++的人脸识别系统的设计与实现[D]. 西安电子 科技大学 2011 * * 杜慧勤，