基于AdaBoost算法的人脸检测——赵楠 北京大学.docxVIP

北京大学本科生毕业论文 北京大学本科生毕业论文 PAGE \* MERGEFORMAT LXXII PAGE \* MERGEFORMAT XII 北京大学 本科生毕业论文 基于 AdaBoost 算法的人脸检测 Face Detection Based on AdaBoost 姓 名：赵楠 学 号 院 系：物理学院物理学系 指导老师：查红彬 教授 导师单位：视觉与听觉信息处理国家重点实验室 信息科学技术学院智能科学系 二○○五年六月 摘要 Abstract 人脸检测是人脸分析的首要环节，其处理的问题是确认图像（或影像）中是否存在人脸，如果存在则对人脸进行定位。人脸检测的应用领域相当广泛，是实现机器智能化的重要步骤之一。 AdaBoost 算法是 1995 年提出的一种快速人脸检测算法，是人脸检测领域里程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在效率不降低的情况下，检测正确率得到了很大的提高。 本论文第一章和第二章简述了人脸检测的一般情况，第三章对一些人脸检测的经典方法进行了说明。 第四章讲述了 AdaBoost 算法的发展历史。从 PCA 学习模型到弱学习和强学习相互关系的论证，再到 Boosting 算法的最终提出，阐述了 Adaptive Boosting 算法的发展脉络。 第五章对影响 AdaBoost 人脸检测训练算法速度的至关重要的两方面：矩形特征和积分图的概念和理论进行了仔细的阐明。 第六章给出了 AdaBoost 的算法，并深入探讨了其中的一些关键问题——弱学习器的构造、选取等问题。 最后一章，用编写的实现了 AdaBoost 算法的FáDèt程序，给出了相应的人脸检测实验结果，并和 Viola 等人的结果做了比较。 关键词 Keywords AdaBoost 方法、人脸检测、Boosting 方法、PCA 学习模型、弱学习 谨以此论文献给 A- 腺嘌呤、 T - 胸腺嘧啶、 G- 鸟嘌呤、 C- 胞嘧啶、 1 和 0 ——智能的基本构件 和 开拓智能研究的伟大先驱者们 This dissertation is dedicated to A, T, G, C, 1 and 0, the building blocks of intelligence. and to the pioneers uncovering the foundations of intelligence. 正文目录 Contents 摘要 ABSTRACT II 正文目录 CONTENTS IV 图目录 LIST OF FIGURESVII 表目录 LIST OF TABLES VIII 人脸检测 1 概念 1 难点与展望 2 1.3 人脸检测方法的性能评测 4 1.3.1 人脸图像数据库4 1.3.2 性能评测6 检测方法分类 8 基于知识的方法 8 特征不变量方法 9 模板匹配的方法 10 基于表象的方法 11 经典方法概述12 神经网络 NEURAL NETWORK 12 特征脸 EIGENFACE 13 基于样本学习方法 EXAMPLE-BASED METHODS14 支持向量机 SUPPORT VECTOR MACHINE (SVM) 15 隐马尔科夫模型 HIDDEN MARKOV MODEL (HMM) 15 ADABOOST 方法概述16 引言 16 PAC 学习模型 16 概述16 数学描述 17 弱学习与强学习 18 4.4 BOOSTING 方法 19 矩形特征与积分图 20 引言 20 矩形特征 RECTANGLE FEATURE 20 概述20 特征模版21 5.2.3 检测器内特征总数22 子窗口内的条件矩形 22 条件矩形的数量 23 子窗口的特征矩形数量 23 结果 24 积分图 INTEGRAL IMAGE 25 概念25 5.3.2 利用积分图计算矩形特征值27 图像区域的积分图计算 27 矩形特征的特征值计算 28 ADABOOST 训练算法 30 训练基本算法 30 基本算法描述30 基本算法流程图32 弱分类器 WEAK CLASSIFER 33 特征值 f(x)33 阈值q、方向指示符 p38 弱分类器的训练及选取38 强分类器 STRONG CLASSIFIER40 构成 40 6.3.2 错误率上限 40 程序实