基于adaboost改进的人脸检测算法研究-信号与信息处理专业论文.docxVIP

万方数据 万方数据 中图分类号 TP391 学校代码 10356 UDC 621 密级 公开 硕 士 学 位 论 文 MASTER DISSERTATION 基于 AdaBoost 改进的人脸检测 算法研究 Research of face detection Based on improved AdaBoost algorithm 作 者 刘晓芳 导 师 夏哲雷 教授 申请学位 工学硕士 培养单位 中国计量学院 学科专业 信号与信息处理 研究方向 模式识别 二〇一四年六月 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得 中国计量学院 或其他教育机构的 学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解 中国计量学院 有关保留、使用学位论文的 规定。特授权 中国计量学院 可以将学位论文的全部或部分内容编入有关数 据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借 阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论 文在解密后适用本授权说明） 学位论文作者签名： 导师签名： 基于 AdaBoost 改进的人脸检测算法研究 摘要：人脸检测是人脸识别的第一步，在安全系统中有着重要作用，如嵌入式 监控系统等。对于任意一副图像，人眼可以直接判定是否存在人脸，但是计算 机就需要对图像进行计算统计来判定是否存在人脸，如果存在就需要统计出人 脸的尺寸以及位置，这个过程被称作人脸检测。 AdaBoost 算法因其有着高检测率以及检测速度快等优点，成为目前人脸检 测领域最为成功的算法之一。但是在实际应用中，提高 AdaBoost 算法的检测效 率非常重要。本文着重关注人脸检测阶段，通过对人脸检测速度以及误检率的 影响因素的研究，提出了如何快速、准确的在一副图片中检测出人脸。 本文的主要工作包括： （1）通过研究 AdaBoost 人脸检测过程中缩放方式对检测速率的影响，针 对分辨率为 640x480 的随机图片，建立了人脸尺寸高斯模型以及单幅人脸权重 模型。这两个模型的建立，有助于分析人脸分布趋势，应用于人脸检测过程中， 有助于减少重复检测以及无效检测。 （2）根据建立的人脸尺寸高斯模型以及单幅人脸权重模型，提出了新的人 脸检测的缩放方式，该方法能够快速判断人脸尺寸出现的最可能范围，并根据 此范围来设定缩放系数。实验表明，对于单幅人脸图片，该方法能够有效的提 高检测速度。 （3）通过对特征脸的分析，设计一种基于优化后的 AdaBoost 检测算法的 BP 神经网络检测模型，该模型中 BP 神经网络采用分级方式，并利用人脸分布 高斯模型设置分级方式。首先由优化后的 AdaBoost 算法对原始图像进行检测， 获取人脸区域范围，然后用分级 BP 神经网络对该范围进行判定，获取最终结果。 关键词：AdaBoost；人脸识别；人脸检测；BP 神经网络 分类号：TP391 UDC621 I Research of face detection Based on improved AdaBoost algorithm Abstract：Face detection is the first step in face recognition, which plays an important role in embedded control systems and other safety systems. For any image which is given, it is easy for people to find the face’s location by using eyes. But computer must do some calculations so can it locate the human faces. If a human face exists in the image, calculating its position and size. This process is called face detection. Because AdaBoost algorithm has some advantages such as high detection rate and fast detection speed and so on, it becomes one of