人臉實(shí)時(shí)檢測(cè)技術(shù)研究與實(shí)現(xiàn).pdf

1、人臉檢測(cè)是指將人臉從靜態(tài)圖像或動(dòng)態(tài)視頻中檢測(cè)出來(lái)并提取出面部特征的過(guò)程，它是人臉識(shí)別與分析的首要環(huán)節(jié)，在身份驗(yàn)證、監(jiān)控跟蹤、安全訪問(wèn)控制、智能人機(jī)界面等眾多領(lǐng)域具有重要的應(yīng)用價(jià)值。由于圖像背景、亮度變化以及人的姿態(tài)等因素的影響，使得人臉檢測(cè)成為一項(xiàng)復(fù)雜的、具有挑戰(zhàn)性的研究課題。近年來(lái)，人臉檢測(cè)開始被作為一項(xiàng)獨(dú)立的課題受到眾多學(xué)者的關(guān)注。
　　 本文對(duì)人臉檢測(cè)研究的進(jìn)展和常用的典型人臉檢測(cè)方法進(jìn)行了分析，結(jié)合實(shí)際情況，選擇了實(shí)時(shí)性

2、好的AdaBoost算法作為本文的核心算法。主要包括以下三方面的內(nèi)容：
　　 ①介紹由最初的PCA模型到boosting算法的提出，并在此基礎(chǔ)上改進(jìn)而形成了AdaBoost算法的過(guò)程。通過(guò)對(duì)AdaBoost算法的分析得知，只要有足夠多的弱分類器就能達(dá)到任意的檢測(cè)精度。
　　 ②詳細(xì)分析了AdaBoost算法原理。首先收集訓(xùn)練樣本并對(duì)其進(jìn)行歸一化、灰度轉(zhuǎn)換、圖像均衡化等預(yù)處理，使其符合訓(xùn)練樣本的要求；然后討論了弱分類器的訓(xùn)

3、練方法，根據(jù)訓(xùn)練誤差最小標(biāo)準(zhǔn)為依據(jù)，在眾多弱分類器中選擇T個(gè)最優(yōu)弱分類器，并根據(jù)加權(quán)投票的方式將T個(gè)弱分類器提升為若干個(gè)強(qiáng)分類器，使其各強(qiáng)分類器滿足一定的檢測(cè)率，然后將各個(gè)強(qiáng)分類器級(jí)聯(lián)成最終的級(jí)聯(lián)分類器，使其處于級(jí)聯(lián)分類器前端的強(qiáng)分類器能去掉大部分的非人臉窗口，以提高檢測(cè)效率；最后闡述了將AdaBoost算法運(yùn)用于人臉檢測(cè)的原理，通過(guò)對(duì)等比例縮放檢測(cè)窗口方法和等比例縮小待檢測(cè)窗口方法的分析對(duì)比，提出采用等比例縮放檢測(cè)窗口方法，以提高檢測(cè)