基于Gentle+Adaboost的人脸检测算法研究论文.pdf

西安电子科技大学
学位论文独创性(或创新性)声明

秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在
导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标
注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成
果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的
材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说
明并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切的法律责任。


本人签名: 日期



西安电子科技大学
关于论文使用授权的说明

本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究
生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保
留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内
容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后
结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。
(保密的论文在解密后遵守此规定)
本学位论文属于保密,在年解密后适用本授权书。


本人签名: 日期
导师签名: 日期
摘要
人脸检测一直以来都是计算机视觉和模式识别领域的重要研究课题,作为人
脸研究领域的第一步,如何快速,准确的检测出人脸直接关系到接下来的人脸应
用研究。人脸检测在智能监控、门禁控制、媒体娱乐、人机交互、基于图像内容
的检索等方面都有着广泛的应用价值。本文以 Gentle Adaboost 算法为核心,设计
并实现了一个人脸检测系统。同时针对弱分类器训练算法的不足之处,进行了改
进,提高了系统的检测性能。研究工作主要包含以下几个方面:
,对人脸检测方法进行
了深入的研究和讨论。
,着重介绍
了 Haar 矩形特征、积分图、分类器的训练过程;接着对两种不同的人脸检测方
式进行了对比分析,即检测窗口不变方法和检测窗口等比放大的方法,并最终实
现了一个简易的人脸检测系统。
,采用了在迭代过程中等比例裁剪训练样
本中小权重样本的方法来加快训练时间。
CART 算法来对 Gentle Adaboost 算法中的弱分类器进行优化
处理,用一个 CART 二叉树来代替传统算法中的一个弱分类器,实验结果表明这
在相同的实验参数下,在保持检测精度的同时,有效地缩短了训练时间和检测时
间。
,本文采用
一种将正负样本错分率综合考虑的情况下,加大重视对正样本正确分类的自适应
权重更新方法,同时为了避免训练样本中出现的噪音样本或者罕见的困难样本造
成的权重分布扭曲的不良影响,综合采用了限制某些样本权重过度增大的方法,
实验证明这种方法可以在同等条件下,获得比传统算法更高的检测率,提高了系
统整体上的分类性能。

关键字:人脸检测 GentleAdaboost Haar 矩形特征 CART
ABSTRACT
Face detection has always been an important research issue in the field of Pattern
Recognition pmer Vision, as the first step in the face research, how to quickly
and accurately detect the human face is directly related to the next face application
research. Face detection has a broad application in many fields such as content-based
image and video retrieval,video surveillance,automatic face recognition and
puter interface, thesis designs a face detection system with the
Gentle Adaboost precision has been improved by modifying the training
algorit