基于adaboost人脸检测算法的研究-计算机应用技术专业论文.docxVIP

目 目 录 中文摘要 I ．AB≤；’l?RACT ．． ． ． ．． ．． ．．． ．． ． ．1lI 第1章绪论 1．1课题的研究背景及意义 ．1 -’ 1．2人脸检测技术发展概况 ．3 ．∥ ’ 1．2．1提升检测精度阶段 。3 1．2．2提升检测速度阶段 ．．4 1．2-3重要算法的提出 ．．6 1．2．4基于AdaBoost算法的综合应用阶段 6 1．3人脸检测算法分类 7 1．3．1基于知识的方法 8 1．3．2基于稳定特征的方法 ．．8 l-3．3模板匹配的方法 。9 1．3．4基于表象的方法 9 1．4论文研究内容及其工作 ．9 1．5论文的意义与创新 10 1．6论文的结构 12 第2章基于ADABOOST的人脸检测技术 2．1 PAC学习模型 13 2．2 Haar-Like特征 ．．14 2-3积分图 15 2．3．1概念原理 15 2．3．2利用积分图计算矩形特征值 17 2．4 AdaBoost训练算法流程 _ 19 2．5分类器训练方法 2l 2．5．1最佳弱分类器的选取 21 2．5．2强分类器的合成 ．23 2．6级联分类器 。25 1 2．7本章小结 2．7本章小结 。26 第3章ADABOOST训练算法研究 。 3．1特征数量计算 27 3．1．1条件矩形的概念 27 3．1．2条件矩形的数量计算方法 27 3．1．3特征模板下的条件矩形计算 28 3．2训练成本分析 。29 3．3特征值分析 3 l 3．4本章小结 ．．38 ]lIIIIIIIj一川 第4章ADABOOST算法中的特征筛选方法 39 4．1预处理筛选方法 ．．39 4．2级联同步筛选方法 。41 4．4实验结果及分析 43 4．5本章小结 ．．48 第5章总结 。49 5．1论文工作总结 。49 5．2进一步的研究方向 50 参考文献 。51 至贮 谢 ．． 。． ．55 硕士期间发表的论文 。57 2 摘要基于AdaBoost人脸检测算法的研究 摘要 基于AdaBoost人脸检测算法的研究 计算机应用技术专业硕士研究生钱力思 指导老师 陈 坚副教授 中文摘要 k 机器视觉是人工智能科学的一个重要内容，人脸分析是机器视觉的难点技术，它包括人 脸检测和人脸识别两部分。其中人脸检测是实现智能化识别的关键环节，具有重要的研究价 值。根据历史发展过程来看，人脸检测从初期的重点提高系统精度，到现在的保证精度的前 提下提高系统速度并达到实时的时期，过程中有大量高效的检测算法被提出和发展，其中最 有代表性的是基于AdaBoost的人脸检测算法。这种人脸检测技术通过积分图和分类器级联等 方法能够有效地降低系统检测检测时间，提高系统效率，并保证了较高水平的精度，真正达 到了实时系统的标准。这样的方法后来被许多学者进行研究改进，目前在检测的综合性能上 总体表现十分优良。不过对于该基于样本学习和特征检测的方法，训练速度的考虑相对较少。 由于现代数据库的容量大和更新快等特点，训练效率的重要性不断提高。本论文将提升 训练效率作为突破口进行重点研究。首先通过对AdaBoost算法中的PAC学习模型、Haar-like 特征、积分图、分类器训练及检测器级联五个关键技术进行分析，通过概念阐述和理论推导 详细讨论了各阶段算法的性质，作为后面讨论的理论基础。然后通过训练成本分析实验阐明 了特征筛选的必要性：通过特征值分析实验阐明了特征筛选的有效性和可行性，探讨了特征 优劣的衡量指标。 结合实验分析结果，接下来对本文提出的特征筛选方法开始详细介绍。首先介绍了一种 预处理特征筛选方法。该方法基于综合评价理论，结合实验分析得到的评价指标，能够对特 征按比例进行筛选。这样的筛选过程能够保证所有淘汰的特征对于异类样本检测的差异性低 于所有保留的特征。接下来介绍了一种与级联同步的筛选方法。该方法利用级联结构由简到 繁的特性，依靠特征的相对贡献度进行特征筛选。在样本库更新过程中，该方法具有良好的 适应性。文中提出的两种方法可以根据实际综合使用。最后通过特征筛选实验，分析验证了 关于特征的相关参数属性，说明了论文中特征筛选方法的理论和实际意义，并展望了未来的 研究方向。 关键词：人脸检测：AdaBoost；特征值分析；特征筛选 .??，a . ?? ， ， AbstraclResearch Abstracl Research of AdaBoost．．based face detection algorith mn Major：Computer Application Technology Supervisor：Associate Prof．Chen Jang ■ I：‘ Author：Qian Lisi t Ab stract Machine vision