文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于Adaboost算法的人脸检测分类器的设计与实现
侵权投诉

基于Adaboost算法的人脸检测分类器的设计与实现

基于Adaboost算法的人脸检测分类器的设计与实现

Computer与技术电脑知识与技术ComputerKnowledgeKnowledgeandandTechnologyTechnology电脑知识

Vol.6,No.31,November2010,pp.8828-8830ISSN1009-3044第6卷第31doc.guandang.net期(2010年11月)Tel:+86-551-56909635690964基于Adaboost算法的人脸检测分类器的设计与实现

兰胜坤

(贵州大学计算机学院通信与信息系统,贵州贵阳550025)

摘要:人脸检测是人脸识别的第一步,人脸检测的速度直接影响到人脸识别的精度和速度。Adaboost算法是一种快速人脸检测算法,其主要思想是训练若干个弱分类器,将弱分类器集成为一个低于一定错误率的强分类器。对样本图像进行Haar_Like特征提取,并用积分图快速计算Haar_Like特征值,利用Adaboost算法实现人脸分类器,最终实现一个能快速进行人脸检测的系统。实验证明,此设计方法的精确度高。

关键词:人脸识别;人脸检测;类Haar特征;Adaboost算法;分类器

中图分类号:TP391.41文献标识码:A文章编号:1009-3044(2010)31-8828-03

TheDesignandImplementationoftheFaceDetectionCategorizerBasedontheAdaboostAlgorithm

LANSheng-kun

(SchoolofComputerScienceCommunicationandInformationSystem,GuizhouUniversity,Guiyang550025,China)

Abastract:Facedetectionisthefirststepoffacerecognition,thespeedoffacedetectionimpactsontheprecisionandthespeedofthefac-erecognition.Adaboostalgorithmisarapidfacedetectionalgorithm,themainideasareseveralweakcategorizerwillbetrained,andbeas-sembledtoastrongcategorizerwhichhasalessthanacertainfalserate.Getthehaar_likefeaturesfromthesamples.Andcalculatethevalueofthehaar_likefeaturesbycheckingtheintegraldata,designthefacedetectioncategorizerbasedontheadaboostalgorithm,atlastaquickfacedetectionsystemisreached.ExperimentalresultsshowtheCategorizerhashigheraccuracy.

Keywords:facerecognition;facedetection;haar_like;adaboostalgorithm;categorizer

1绪论

计算机人脸识别技术是利用计算机分析人脸图像,进而从中提取出有效的识别信息,用来“辨认”身份的一门技术[1]。而人脸识别系统的关键技术是人脸检测,它需要先判断任意的图像或者视频中是否存在人脸,如果存在的话,则确定人脸的位置。

现有的人脸检测方法可以分为两类[2],一类是基于知识的方法(knoledge-basedapproach),一类是基于学习的方法(learning-basedapproacd)。基于知识的方法是基于特定的规则进行人脸检测,这些规则来源于人脸知识的先验知识。如人脸包括对称的两个眼睛、一个鼻子和一张嘴等特征,这些特征具有相对固定的位置关系。检测过程先提取这些面部特征,然后根据它们的位置关系进行组合。这种方法简单、可行,但其主要缺点是人脸的特征不能转换为规则的表达式。基于学习的方法收集大量人脸和非人脸样本,利用机器学习的算法,通过学习得到一个分类器,最后利用分类器来进行人脸检测。

2人脸检测分类器设计

自从人们研究人脸识别技术以来,人脸检测就受到检测精度和检测速度的限制,直至上世纪90年代,由Viola[3]提出基于Ad-aboost的算法才真正的改变了这一现状,使人脸检测技术真正走向实用[4]。而人脸特征的选取和特征值的计算是影响Adaboost算法的两个重要方面。

Viola提出的人脸检测方法是基于Haar_Like特征、积分图、AdaBoost算法的方法,其实现方法可以分为以下三步骤:

2.1对人脸进行类Haar特征提取

在进行人脸检测时,我们认为存在这样一个假设:人脸有一些不依赖外部条件的属性或者特征。我们根据这个假设去提取出人脸的某种特征,然后用这些特征在图像或者视频中检测出人脸。

Papageorgiou[5]和viola[6]在用小波变换从图像中提取特征时,提

出了局部Haar_like特征概念。该特征库包含有如图1所示的3种

类型4种形式的矩形特征,它是由两个或者多个全等的矩形组合而

成,我们称为特征模板。

其中A、B边缘为特征,C为线性特征,D为特定方向特征。

本文利用的归一化图像的大小是24*24,如果选择全部的图1人脸类Haar特征的最初形式

Haar_Like特征,每个样本的特征总数将会有162336个,计算量太大。为了提高训练速度,减少训练时间,必须减少特征数量,本文选择了如图2所示2种类型4种形式的特征。

收稿日期:2010-09-25

作者简介:兰胜坤(1977-),女,河北定州人,硕士,研究方向为模式识别,人脸识别。

8828人工智能及识别技术本栏目责任编辑:唐一东

第1页

你可能喜欢

  • adaboost算法
  • 人脸检测技术
  • 快速检测
  • 人脸识别代码
  • 人脸识别论文
  • 人脸检测论文
  • 外文翻译

热门文档

相关文档

  • 基于Adaboost算法的多角度人脸检测

    多角度人脸检测问题的研究与正面人脸检测相比,相对薄弱,离实际应用的需求还比较远。首先使用Haar特征设计并构造弱分类器空间,用Adaboost算法学习得到基于视图的多分类器...

  • 基于adaboost算法的人脸检测 人脸检测毕业设计

    基于adaboost算法的人脸检测 人脸检测毕业设计_计算机软件及应用_IT/计算机_专业...识别系统的两个过程:设计与实现;所谓设计:即是选取一定量 的样本,对分类器进行...

  • 基于AdaBoost的人脸检测系统设计与实现

    基于 ATTENTIONAL CASCADE 的算法架构 ...9 2.1 算法基本思想 ......基于 AdaBoost 的人脸检测系统设计与实现 4.2 单特征分类器初始化 ......

  • 基于Adaboost算法的人脸检测技术的研究与实现

    基于Adaboost算法的人脸检测技术的研究与实现_自然...1 人脸检测系统原型设计 人脸检测系统设计主要分为 ...w t+ 1, i = w t, i 的弱分类器h t 加入...

  • 一种基于Adaboost算法的人脸检测

    图实现的.灰度图像J 的积分图定义为230. 基于Adaboost算法的人脸检测弱分类器 ...针对人脸检测问题,设计 这样一个弱分类器: №m吣E州宴i矽其中:工为样本;....

  • 一种基于Adaboost算法的人脸检测

    f ( x ) 的计算是通过积分图实现的. 灰度图像 ...1 基于 Adaboost 算法的人脸检测弱分类器 Adaboost ...算法所建立的弱分类器, 针对人脸检测问题, 设计 ...

  • 基于Adaboost算法的人脸检测技术的研究与实现

    基于 Adaboost 算法 的人脸检测技术的研究与实现赵...分类器,由多个弱分类器级联成为一个 强的分类器,...1 人脸检测系统的设计人脸检测系统主要有5部分构成,...

  • 基于AdaBoost算法的人脸检测方法综述

    在第六章,我们介绍了基于 OpenCV AdaBoost 人脸检测方法的实现,重点阐述了基于 OpenCV 人脸分类器的训练方法。 在文章的最后,我们对该设计方案做出了总结,并对未来...

  • 基于AdaBoost算法的人脸检测

    人脸检测系统的实现 第一章 简介 Adaboost人脸检测方法是一种基于积分图、...级联分类器的设计及使用是建 立在训练的结果上,所以级联分类器对于训练样本的...

  • 基于adaboost算法的人脸检测

    基于adaboost算法的人脸检测_IT/计算机_专业资料。主要对adaboost算法的人脸检测...根据以上两条,得如下强分类器训练程序流程图: * 强分类器训练程序流程图 ...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email