基于AdaBoost算法人脸检测技术及其矩形特征应用.pptxVIP

基于AdaBoost算法的人脸检测简介

人脸检测人脸检测(facedetection)是指对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回人脸的位置、大小和姿态。典型的方法有模板法、基于示例学习、基于器官特征的方法、神经网络、彩色信息+形状分析、AdaBoost的方法等等。

矩形特征，也叫Haar-Like特征。在AdaBoost算法中使用矩形特征作为特征模板。用一个5元组表示一个矩形特征(x,y,w,h,angle),其中(x,y)为矩形的左上角位置，(w,h)为矩形的宽和高，angle表示矩形的旋转角度。计算一个矩形特征对应的特征值有几种方法，例如，黑色部分与白色部分像素和的差、黑色部分与整个矩形面积的权重差等等。

我们主要考虑以下四种举行特征（只含0angle特征，不包含45angle类型的矩形特征）：(A)(B)(C)(D)

将haar特征这种反映图像中灰度分布特点的特性引入人脸检测问题当中，问题就转换成如何找到较好的haar特征对人脸图像灰度分布的特点进行描述。下图中的3个特征就能很好的描述图像中人脸的眼部的灰度的分布特点。

满足（s,t）条件的矩形的数量计算对于