AdaBoost算法在人臉檢測(cè)中的應(yīng)用及其硬件實(shí)現(xiàn).pdf

1、目前模式識(shí)別領(lǐng)域中最為熱點(diǎn)的研究課題是對(duì)人臉檢測(cè)的研究。人臉檢測(cè)是指利用計(jì)算機(jī)對(duì)一幅待檢測(cè)圖像進(jìn)行檢測(cè)，以判斷出待檢測(cè)圖像中是否含有人臉、所有人臉的位置、人臉的大小以及包含人臉的個(gè)數(shù)等信息。人臉檢測(cè)在實(shí)際中的應(yīng)用十分廣泛，如：安防、公司考勤、視頻監(jiān)控以及數(shù)字圖像處理等多個(gè)方面，因此在國(guó)內(nèi)外對(duì)人臉檢測(cè)進(jìn)行研究的機(jī)構(gòu)、人員陣容非常龐大。因?yàn)槿四槍儆谌S非剛性的目標(biāo)：具有結(jié)構(gòu)的恒定性如鼻子、眼睛、耳朵等；外觀的可變性如表情、相貌、光照等；具有

2、復(fù)雜的模式變化性如圖像的分辨率、圖像的幾何變化等；人臉特征的復(fù)雜性與多樣性如膚色特征、橢圓輪廓、對(duì)稱等。所以對(duì)人臉的檢測(cè)存在一定的復(fù)雜性。
　　本文的主要研究?jī)?nèi)容如下:
　　首先詳細(xì)地分析幾種傳統(tǒng)的Adaboost算法的基本原理，以及其在人臉檢測(cè)中的應(yīng)用，然后總結(jié)出傳統(tǒng)Adaboost算法在人臉檢測(cè)時(shí)的缺點(diǎn)，提出能對(duì)其進(jìn)行相應(yīng)改進(jìn)的方法，然后通過(guò)對(duì)上面這些內(nèi)容的總結(jié)，提出采用分層的PCA特征與Adaboost算法相結(jié)合的快速

3、人臉檢測(cè)算法。最后設(shè)計(jì)出運(yùn)行上述快速人臉檢測(cè)算法的硬件圖。
　　本文的主要?jiǎng)?chuàng)新點(diǎn)如下：
　　1、提出用Walsh特征代替?zhèn)鹘y(tǒng)的Haar特征進(jìn)行人臉檢測(cè)，并用增強(qiáng)型的Cascade分類器代替?zhèn)鹘y(tǒng)的Cascade分類器。Walsh特征具有特征向量的相互正交性，當(dāng)對(duì)人臉進(jìn)行計(jì)算時(shí)不會(huì)產(chǎn)生冗余，這樣節(jié)省了人臉檢測(cè)的時(shí)間以及計(jì)算機(jī)的存儲(chǔ)空間，以此提高人臉檢測(cè)的速度。實(shí)驗(yàn)證明使用少量數(shù)目的Walsh特征進(jìn)行人臉檢測(cè)與使用大量的Haar特

4、征進(jìn)行人臉檢測(cè)能達(dá)到基本等效的結(jié)果。增強(qiáng)型的Cascade分類器與傳統(tǒng)的Cascade分類器相比較，它既保留了前層分類器的樣本的分類信息，又保留了訓(xùn)練樣本的自主性。這需要在前層分類器與相鄰的后層分類器中間增加一個(gè)評(píng)判標(biāo)準(zhǔn)，雖然這樣會(huì)增加人臉檢測(cè)的計(jì)算難度。但是在某種程度上提高了人臉檢測(cè)的精度。
　　2、用PCA特征與Adaboost算法相結(jié)合進(jìn)行人臉檢測(cè)。在人臉檢測(cè)的前一階段用Walsh特征代替?zhèn)鹘y(tǒng)的Haar特征與用增強(qiáng)型Casc

5、ade分類器代替?zhèn)鹘y(tǒng)的Cascade分類器相結(jié)合對(duì)人臉進(jìn)行粗略的檢測(cè)，因?yàn)閃alsh特征的一些固有缺點(diǎn)其不能對(duì)人臉進(jìn)行細(xì)檢，所以在后一階段用PCA特征與AdaBoost算法相結(jié)合進(jìn)行人臉檢測(cè)，這在第一階段的基礎(chǔ)上對(duì)人臉進(jìn)行檢測(cè)能快速、精確的檢測(cè)出待檢測(cè)圖片中的人臉。實(shí)驗(yàn)證明這種分層的人臉檢測(cè)算法能快速、精確的達(dá)到人臉檢測(cè)算法設(shè)計(jì)的目標(biāo)。
　　3、實(shí)現(xiàn)快速人臉檢測(cè)算法的硬件設(shè)計(jì)。由于這種分層的人臉檢測(cè)方法計(jì)算復(fù)雜，對(duì)硬件系統(tǒng)的要求比