基于Adaboost弱分类器集成与实时人脸检测方法.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。

Adaboost算法基本原理强分类器：如果一个学习算法通过一组样本的学习后，能够达到理想的识别率，则称它为强分类器。弱分类器：如果一个学习算法的识别率仅好于随机的猜测，则称其为弱分类器。通常，针对一个具体的识别问题，我们很难找到一个理想的强分类器，但是弱分类器一般都会很多，基于这种现象，Freund和Schapire提出了Adaboosting算法：通过一定的算法可以将一组弱分类器提升为一个强分类器。

Adaboost算法的具体描述如下：输入：一组训练集：，其中为样本描述，为样本标识，；其中0，1分别表示正例子和反例。在人脸检测中，可以定义0为非人脸，1为人脸。初始化：初始样本权值设为。对，循环执行下面的步骤：1.归一化权重：

2.对每个特征f，训练一个弱分类器；计算所有特征的弱分类器的加权错误率3.选