《基于普通样本的adaboost人脸检测算法研究》由会员分享，可在线阅读，更多相关《基于普通样本的adaboost人脸检测算法研究（61页珍藏版）》请在金锄头文库上搜索。
1、湖南大学 硕士学位论文 基于普通样本的Adaboost人脸检测算法研究 姓名：张健 申请学位级别：硕士 专业：计算机科学与技术 指导教师：李丽娟 20100517 幕于A d a b o o s t 的人脸榆测算法研究 摘要 人脸检测技术始于上个世纪6 0 一7 0 年代，经过几十年的发展，已经同臻完善。起初， 人脸检测是人脸识别技术的一个环节。但随着电子商务等应用的发展，识别系统对人脸 的适应性要求越来越高，入脸检测技术逐渐力从人脸识别中逐渐独立出来。这之后出现 了许多优秀的算法，o l a 和J o n e s 的基于级联结构的A d a b o o s t 算法是其中的代表，是 第一个精
2、确实现实时检测的算法框架。然而，该方法没有很好的解决人脸检测问题中的 不对称性。由于该不对称性，使得A d a b 0 0 s t 检测算法的检测效果不是很好。本文的主 要工作有： 本文介绍了A d a b o o S t 算法的理论基础和工作原理，分析了基于A d a b o o S t 的人脸检 测算法的改进方法，在此基础上提出了新的人脸检测方法： 1 提出基于普通样本的A d a b 0 0 s t 人脸检测方法。 现实中，各个图像的检测难度不一，并且检测难度处于中间状态的图像占大多数。 利用此规律，本文提出了一种改进的A d a b o o s t 算法一普通样本A d a b o o
3、 s t 。该方法首先 分析了训练样本的检测难度分布规律，并以此确定普通样本的检测率范围。在训练时， 根据该范围来区分普通样本和非普通样本，对于普通样本采用特殊的权重更新方法，而 非普通样本则使用传统方法。实验结果表明，新算法比传统A d a b o o s t 算法在检测率和 负样本误检率上作的更好。 2 改进了级联结构。 传统的A d a b o o s t 级联结构是一层级联结构，所有的人脸区域必须经过所有的级联 分类器的检测才能够被当成人脸，其中任何一个级联分类器的拒绝都会导致检测失败。 为了提高人脸检测率，有的学者引入了二次检测。但是，引入二次检测必然会降低检测 速度。为了减少检测时
4、间，本文采取只在误排率较高的时候引入二次检测。实验表明， 该方法可以提高检测率。 最后，设计了一个实验系统，实现了A d a b o o s t 算法的训练过程和在训练集上的检 测过程。 关键宇：人脸检测；A d a b o o s t ；权值更新；级联结构；检测率； 硕 ：学位论文 A b s t r a c t F a c ed e t e c t i o nh 龉g o t t e n 黟e a td e v e l o p m e n ts i r 垃e1 9 6 0 sw h e n “w a sap a r to ff 如e r e c o g n i t i o n A R e
5、rt h er a p i da d v a l l c e m e n to fe l e c t r o n i cc o m m e r c e ，h o w e V e r ，h u m 锄f - a c eh a s b e c o m eo n eo ft l l em o s ti m p o m m tr e c o g n i t i o n a lo b j e c t ，t h e nf 如ed e t e c t i o n b e c a m ea i n d e p e n d e n tp r o j e c t A f I e rt h a tt i m e ，
6、m a n y 甜g o r i t h m so ft h i sa r e ah a db e e nb r o u g h to 此t h e A d a b o o s tb a L s e do nc a s c a d ei n V e n t e db y o l aa I l dJ o n e si n2 0 0 li so n eo ft h cm o s te x c e l l e n t o n e b e c a u s ei ti st h ef l r S tr e a l t i m ef a c ed e t e c t i o nm e t l l o dw
7、 h o s ed e t e c t i o nr a t ei sV e r ) r h i g h B u ta S y m m e t r i c ，m eS p e c i a l t ) ，o ff a c ed e t e c t i o n ，h 硒n o tb e6 9 u r e do u tV e r yw e l l ，W h a t s m o r e ，t h et r a i n i n gs p e e do fm i sa 1 9 0 r i t h mi sV e 巧s l o w F 咖i t i e sm a l ( ei m p r o V e m e
8、 n to n A d a b o o s tf r o mt h i st w oa r e a T h i sp a p e r b e t t e r St h ea c c u r a c yb yc h a n g i n et r a i l l i n gm e t h o da I l d d e t e c t i o np r o c e s s I nt h i sa r t i c l e ，t h em a i nr c s e a r c hw o r ki sa sf o l l o w s ： T h ep a p e rf o c u s e so nA d
9、a b o o s t ，a R e r 砥t h e o r e t i c a lb a S i s ，w o r kf l o wa n d s o m e i m p r o v e m e n tb a s e do nA i I a b o o s tf a c ed e t e c t i o na r ei n t r o d u c e d ，an e w f a c ed e t e c t i o na l g o r i t 胁 i sa d a V a J l c e d ： 1 T h ep 印e rp r o p o s e sg e n e r a ls 锄p
10、l ef a c ed e t e c t i o na l g o r i m mb a S e do nA d a b o o s t I nt h er c a lw o r l d ，e v e 巧p i c t u r eh a si t so w nd e t e c t i o nd i m c u l t ya 1 1 dm o s to ft h ed e t e c t i o n r a t e sa r em o d e r a t e T 1 1 i sp a p e rp r e s e n t e da na d V a n c e da l g o r i m
11、盯卜一g e n e r a ls 锄p l eA d a b o o s t b yt a k i n g u s eo ft h i sl a ww h i c hf o c u s e so nt h es 锄p l e sw h o s ed e t e c t i o n r a t e sa r c m o d e r a t e F i r s t ，t h em e t h o dd e f i n e dt h es c o p eo fg e n e r a ls 锄p l eb ya n a l y s i s i n gt r a i n i n g s 锄p l e
12、D 嘶n g 仃a i n i n 函t h ew e i g h tu p d a t i n gm 劬o df o r t h eg e n e r a ls 锄p l e si ss p e c i a l l y d e s i g n e d ，a n dt h en o n - g e n e r a ls 锄p l e su s et h eg e n e r a lm e t h o d T h ee x p e r i m e n tr e s u l t ss h o w t h en e wm e t h o dg e t sb e t t e rd e t e c t
13、i o nr a t e 2 B e t t e rd e t e c t i o nf r a m e w o r k I nt h eo l df r ；m l e 、v o r k ，a l l t h ef a c em u s tb ed e t e c t e db ya 1 1 t h ec a s c a d ec l a L s s m e r ，ar 白e c t i o n b ya n yc l a s S i f i e rc o u l dl e a dt oaf a l s er c j e c t i o n ，t h e f a l s er e j e c
14、t i o nr a t e 髑h i 曲I no r d e rt 0 l o w e rt h ef a l s er c j e c t i o nr a t et og e tb e t t e rd e t e c t i o nr a t e ，t h ep a p e rd e s i g n sas e c o n dd e t e c t i o n n m c t i o n 。t h em e t h o dc a n n o tb eu s e d 叽1 e s st h e f a l s er e j e c t i o nr a t ei sV e 拶l l i
15、曲T h e e x p e r i m e n t a lr e s u l t ss h o w t h i sm e t h o dc a ng e tb e t t e rd e t e c t i o nr a t e I nm ee n d ，as y s t e mi sd e s i g n e dt or e a l i z et h et r a i n i n ga I l dm ed e t e c t i o np r o c e s s K e yw o r d ：f a c ed e t e c t i o n ；A d a b o o s t ；w e i 咖u p d a t e ；d e t e c t 矗锄e w o r k d e t e c t i o nr a t c ； 硕L 学位论文 插图索引 图1 1 人脸的模式特征2 图1 2 论文结构图7 图2 1 矩形特征1 1 图2 2 检测器内所有可能的矩形的数量1 1 图2 3 积分图矩阵1 3 图2 4 计算l 型模板的特征值1 4 图2 5 积分图计算1 4 图2 6 算法训练流程图1 5 图2 7 人脸和非人脸样本的特征值平均值曲线
