基于Soft Cascade分類器的人臉檢測算法.pdf

1、人臉檢測是計算機視覺中的一個基礎(chǔ)而重要的研究方向，人臉檢測技術(shù)被廣泛應(yīng)用于人臉識別、視頻監(jiān)控、基于圖像內(nèi)容的檢索、人機交互等領(lǐng)域，具有重要的研究價值。人臉檢測主要內(nèi)容是對圖片或視頻中的人臉進行定位，返回人臉的位置，大小等信息。本文主要對人臉檢測中的三個比較重要的問題進行了研究并最終實現(xiàn)了一個多姿態(tài)的人臉檢測器，主要研究內(nèi)容包括:
　　人臉的特征編碼。人臉的特征編碼對人臉檢測器性能至關(guān)重要，好的特征使得在特征空間中人臉與非人臉的差異

2、比較大，區(qū)分這兩種模式也會更容易。目前有很多的局部描述子被應(yīng)用于人臉檢測。本文對三種不同的特征:Haar-like特征，HOG特征，IntegralChannel特征進行了對比實驗，比較了它們在人臉檢測中的性能表現(xiàn)。
　　分類器訓練算法。相較于傳統(tǒng)的分類器級聯(lián)方式，Soft Cascade分類器具有很多優(yōu)點。Soft Cascade分類器的每一級的輸出為前面所有弱分類器輸出值之和，這樣前面選出的特征會參與后面每一級的決策，得到分類

3、性能更好的分類器。本文首先描述了SoftCascade分類器訓練算法，然后引入并行計算對Soft Cascade分類器訓練算法進行了速度優(yōu)化。針對Soft Cascade分類器訓練過程中的特征冗余問題文中提出了一種新的回退策略，并對新引入的訓練參數(shù)進行了實驗，最終得到了性能更好的分類器訓練算法。
　　窗口合并。使用滑框檢測會在目標周圍產(chǎn)生很多重疊的檢測框，最終定位目標需要將重疊的窗口合并。本文對四種窗口合并算法進行了比較實驗并分析