基于新Haar-like特征的多角度人脸检测.docVIP

基于新Haar-like特征的多角度人脸检测 第35卷 VoL35 第19期 No.l9 计算机工程 ComputerEngineering 2009年10月 October2009 ? 人工智能及识别技术?文章编号:1o00—_3428(2009)19—_0195—_o3文献标识码;A中图分类号:TN911.73 基于新Haar-like特征的多角度人脸检测 刘晓克,孙燮华,周永霞 (中国计量学院信息工程学院,杭州310018) 摘要:在Haar-like特征的基础上增加新的检测特征,给出特征计算方法和积分方法,实现多角度人脸检测.将多角度人脸分为3类,即 全侧脸,半侧脸和正面人脸.利用连续Adaboost算法训练各类人脸检测器,用金字塔式结构将各类人脸检测器级联成一个多角度人脸检测 器.在CMU人脸检测集合E,该检测器的成功率为85.2%,高于Adaboost算法和浮点Adaboost算法. 关健诃:Haar—like特征;特征计算;连续Adaboost算法;金字塔式结构 Multi--angleFaceDetectionBasedonNewHaar--likeFeature LIUXiao—ke.SUNXie-hua.ZHOUYong—xia (CollegeofInformationEngineering,ChinaJiliangUniversity,Hangzhou310018) [Abstract]ThispaperaddssomenewdetectionfeaturesonthebasisofHaar—likefeature,givesthefeaturecalculationmethodandintegration method,andachievesmulti-anglefacedetection.Itdividesmulti—anglefaceintothreecategories:allsideface,halfsidefaceandpositiveface. ContinuousAdaboostalgorithmisusedtotrainvarioustyrIesoffacedetector.Itcascadesvarioustypesoffacedetectorsintoamulti—angleface detectorbyusingpyramid—stylestructureInCMUfacedetectionaggregation.thesuccessrateofthisdetectoris85.2%whichishigherthanthatof AdaboostalgorithmandfloatAdaboostalgorithm. [Keywords]Haar-likefeature;featurecalculation;continuousAdaboostalgorithm;pyramid—stylestructure 为了实现快速准确的检测人脸,人们采用不同方法研究 人脸检测问题.从模式识别角度来看,人脸检测需要解决的 2个根本的问题是检测特征的选择和基于此类检测特征的级 联分类器形成.文献…1提出一种基于Haar型特征的Adaboost 算法,文献[2]在该算法基础上提出扩展的Haar,like特征.本 文增加了倾斜30.特征和倾斜60.特征,并给出这2个特征的 计算方法. 1连续Adaboost算法 给定训练样本集{(X,Y1),(X,Y),…,(,Y)},其中, X,∈为样本向量;=±1,用于标记是正样本还是负样本; m为样本总数. 连续Adaboost算法ljJ描述如下: (1)初始化概率分布Dt(f)=,J:=1,2,…,. (2)对t=l,2,…,7_,进行如下处理. 1)对分类函数空间Ⅳ中的每个弱分类器h做如下操作: ①对样本空间进行划分,得到,X一,. ②在训练样本的概率分布下计算: = P(xi∈X,,Y=,)=∑(),,=±l XjE=l ③设置弱分类器在此划分上的输出: V)=扣,2,…, 其中,￡为一个较小的正常数. ④计算归一化因子: Z=2Z√ J 2)在弱分类器空问中选择一个小的,使Z最小化,即 z=rainZ=argminZ hEHhcH 3)更新训练样本概率分布,即 Dr+l (Dr(f)exp一_ %,2,…,Ⅲ 其中,Z,%为归一化因子,使D,+,为一个概率分布. (3)最终强分类器H为 ()=s~n[Zht(X)一b] 其中,b为动手设定的阈值,默认值为0. 2新Haar-like特征 2.I特征类型 为了检测多角度人脸,本文增加倾角30.和60.的检测特 征,如图1所示. 4~il!一 l【] 8种线特征 ◇ 图1新增加的特征 基金项目:国家自然科