基于Adaboost算法訓(xùn)練分類器的研究及其在人臉檢測中的應(yīng)用.pdf

1、人臉檢測技術(shù)是計算機(jī)視覺、人機(jī)交互和模式識別等領(lǐng)域中的一項(xiàng)重要研究內(nèi)容，是實(shí)現(xiàn)人臉識別、人臉跟蹤、人臉編碼等技術(shù)的前提。人臉檢測技術(shù)的研究涉及到圖像處理、模式識別和人工智能等多個領(lǐng)域，在身份驗(yàn)證等領(lǐng)域具有廣泛應(yīng)用前景。
　　 本文主要對Adaboost算法及其在人臉檢測中的應(yīng)用進(jìn)行研究。分析了機(jī)器學(xué)習(xí)算法Adaboost的基本原理、收斂性能和泛化能力，以Adaboost算法為理論基礎(chǔ)，訓(xùn)練得到用于檢測人臉的級聯(lián)分類器。分析研究了

2、不同的人臉檢測技術(shù)，針對人臉檢測計算量大、速度慢、誤檢率高的問題，采用了一種改進(jìn)的訓(xùn)練分類器的人臉檢測技術(shù)：逐層放大檢測窗口，再對檢測窗口內(nèi)的圖像進(jìn)行模式匹配。這種策略可以避免直接對圖像進(jìn)行縮放變換，減小了計算量，提高了檢測速度。在YCbCr空間建立單高斯膚色模型，獲得膚色似然圖，實(shí)現(xiàn)了對分類器檢測得到的人臉候選區(qū)域的膚色驗(yàn)證，進(jìn)一步降低了誤檢率。實(shí)驗(yàn)結(jié)果表明：訓(xùn)練樣本的多樣性、數(shù)量選擇以及訓(xùn)練樣本中人臉樣本和非人臉樣本的比例是影響人臉