基于粒子群的AdaBoost算法及其在人臉檢測中的應用研究.pdf

1、人臉識別是一項方興未艾的生物特征識別技術，廣泛應用于各行各業(yè)身份識別的信息技術領域。近十年來，伴隨著網(wǎng)絡通信和多媒體技術的飛速發(fā)展，以及計算機硬件水平的快速提升，作生物特征識別技術的分支之一，人臉識別由于其自然性和非接觸性等特點，在模式識別和人工智能等研究領域倍受歡迎和關注。
　　 人臉識別系統(tǒng)的一項關鍵環(huán)節(jié)就是人臉檢測。所謂人臉檢測是基于人臉的特征提取，在給定的圖片(通常為灰度模式)中檢測是否存在人臉，如果存在人臉則逐一標記人

2、臉的具體位置和大小。在現(xiàn)階段的各種人臉檢測算法中Viola提出了經(jīng)典的AdaBoost人臉檢測器。但是，該傳統(tǒng)的AdaBoost算法依然存在需要改進的地方：比如檢測率較低和虛警率較高，弱分類器訓練時間過長等缺點。
　　 針對上述問題，本文在AdaBoost算法上，結合支持向量機的思想，嘗試性地提出了一種基于粒子群的AdaBoost算法。該算法主要針對傳統(tǒng)的AdaBoost人臉檢測器中各弱分類器權重系數(shù)無法達到全局最優(yōu)的情況提出的

3、。在此改善算法中，主要采用如下三項的關鍵技術：①利用支持向量機的思想構建AdaBoost人臉檢測器。②利用粒子群優(yōu)化的思想全局優(yōu)化提升弱分類器的權重系數(shù)。③利用模擬退火思想改善粒子群過早收斂的缺陷。
　　 為了驗證提出的PSO-AdaBoost算法的可行性與有效性，利用OpenCV和Matlab為實驗工具，以ORL人臉庫和歸一化處理的圖片作為訓練集，以大量灰度照片作為測試集進行實驗。結果表明：基于粒子群的AdaBoost人臉檢測