基于肤色和Real AdaBoost的人手检测方法研究的中期报告.docxVIP

基于肤色和Real AdaBoost的人手检测方法研究的中期报告 本文研究基于肤色和Real AdaBoost的人手检测方法，在目标检测领域具有重要应用价值。本文通过对文献资料的梳理和分析总结，对该方法的整体框架进行了介绍和分析，并对其中的关键技术进行了研究和探讨。 1. 方法简介 本文所研究的基于肤色和Real AdaBoost的人手检测方法，是利用肤色分布和Real AdaBoost分类器相结合的方法，实现对人手的检测。 该方法主要分为以下三个步骤： （1）肤色检测 先对图像中的人手部分进行肤色检测，去除肤色以外的区域，获取到人手的候选区域。 （2）特征提取 对候选区域进行特征提取，将其转换为特征向量，作为分类器的输入。 （3）Real AdaBoost分类 训练Real AdaBoost分类器，利用提取出来的特征向量进行训练，实现对人手的检测。 2. 关键技术研究 （1）肤色分布模型 肤色检测是本方法的第一步，其准确性直接影响到后续的人手检测。传统的肤色检测方法通常基于肤色分布模型。对于肤色图像中的像素，其在RGB三通道中的分布具有一定的规律，通过对大量肤色样本的学习，可以利用统计方法得到肤色的分布模型，实现对肤色区域的提取。 （2）特征提取方法 在人手检测中，特征的提取对检测的准确性有着重要的影响。本文所研究的Real AdaBoost分类器需要的是高维特征向量，而针对人手