基于AdaBoost算法的目標檢測系統(tǒng)研究.pdf

1、隨著社會的不斷進步和發(fā)展，計算機應(yīng)用技術(shù)已應(yīng)用到各行各業(yè)。目標檢測技術(shù)作為數(shù)字圖像處理中一項重要的技術(shù)，在計算機領(lǐng)域（計算機視覺和視頻安全方面的領(lǐng)域）備受關(guān)注，起初人臉檢測只是人臉識別技術(shù)的一個環(huán)節(jié)，但隨著電子商務(wù)等應(yīng)用的發(fā)展，識別系統(tǒng)對人臉的應(yīng)用性要求不斷提高，技術(shù)發(fā)展越來越快，人臉檢測逐漸從人臉識別中獨立出來，隨后又有很多經(jīng)典的算法?，F(xiàn)在的計算機技術(shù)比較智能化，這種技術(shù)給人臉檢測的研究也帶來了很多便利條件，檢測的魯棒性和檢測效果都得

2、到了提高。
　　本文分別對人臉檢測技術(shù)方法的理論知識以及當今人臉技術(shù)的研究現(xiàn)狀和發(fā)展趨勢進行了研究，同時也闡述人臉檢測系統(tǒng)的分類、算法的特點。重點研究了基于AdaBoost算法的人臉檢測方法，優(yōu)化了檢測系統(tǒng)的訓(xùn)練過程，級聯(lián)AdaBoost算法是一種經(jīng)典算法。雖然此算法比較經(jīng)典但也存在一些問題：如何選擇判別性高的分類器，以及是否能有效地將這些分類能力強的分類器級聯(lián)起來需進一步提高。因此，本文對此進行了研究，并采用改進的AdaBoos

3、t算法進行，從而優(yōu)化了檢測方法。首先，通過對建立弱分類器的研究，采取了一種使用較少量的弱分類器就能達到高檢測率的計算弱分類器閾值的方法。其次，選擇那些判別性較強的弱分類器進行優(yōu)化檢測系統(tǒng)，目的是節(jié)省了學(xué)習(xí)過程中訓(xùn)練分類器所需要的時間以及構(gòu)建強分類器所需要弱分類器的數(shù)目。檢測率是評價檢測系統(tǒng)效率的一個因素，本文考慮到這點采用級聯(lián)的方式把分類器組合起來，這樣會使分類器的分類能力有所提升。本文優(yōu)化后更加完善了檢測系統(tǒng)的檢測技術(shù)。
　　本