基于粒子群的AdaBoost算法及其在人臉檢測中的應(yīng)用研究.pdf

1、人臉識(shí)別是一項(xiàng)方興未艾的生物特征識(shí)別技術(shù)，廣泛應(yīng)用于各行各業(yè)身份識(shí)別的信息技術(shù)領(lǐng)域。近十年來，伴隨著網(wǎng)絡(luò)通信和多媒體技術(shù)的飛速發(fā)展，以及計(jì)算機(jī)硬件水平的快速提升，作生物特征識(shí)別技術(shù)的分支之一，人臉識(shí)別由于其自然性和非接觸性等特點(diǎn)，在模式識(shí)別和人工智能等研究領(lǐng)域倍受歡迎和關(guān)注。
　　 人臉識(shí)別系統(tǒng)的一項(xiàng)關(guān)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(biāo)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(jìn)的地方：比如檢測率較低和虛警率較高，弱分類器訓(xùn)練時(shí)間過長等缺點(diǎn)。
　　 針對(duì)上述問題，本文在AdaBoost算法上，結(jié)合支持向量機(jī)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(duì)傳統(tǒng)的AdaBoost人臉檢測器中各弱分類器權(quán)重系數(shù)無法達(dá)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(xiàng)的關(guān)鍵技術(shù)：①利用支持向量機(jī)的思想構(gòu)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(quán)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(yàn)證提出的PSO-AdaBoost算法的可行性與有效性，利用OpenCV和Matlab為實(shí)驗(yàn)工具，以O(shè)RL人臉庫和歸一化處理的圖片作為訓(xùn)練集，以大量灰度照片作為測試集進(jìn)行實(shí)驗(yàn)。結(jié)果表明：基于粒子群的AdaBoost人臉檢測