基于改进adaboost级联的人眼检测分析.docx

Research on Eye-detection by Improved AdaBoost Approach
by
SHU Wenbin
.(Hubei University of Technology) 2010 A thesis submitted in partial satisfaction of the
Requirements for the degree of Master of Engineering
in
Biomedical Engineering in the
Graduate School of
South-Central University for Nationalities
Supervisor
Associate Professor Gao Zhiyong, Dang Yanjun May, 2013
中南民族大学
学位论文原创性声明
本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。
作者签名: 日期: 年 月 日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权中南民族大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
本学位论文属于
1、保密□,在 年解密后适用本授权书。
2、不保密√□。
(请在以上相应方框内打“√”)
作者签名:
日期:
年
月
日
导师签名:
日期:
年
月
日
摘 要
人眼检测是计算机视觉领域一个极具挑战意义的课题。由于真实世界场景的复杂性,要在复杂的背景中检测出人眼并不是一件容易的事,而且还要受到光照、姿态、旋转、遮挡等等诸多因素的影响,更是使得人眼检测困难重重。自从 Paul Viola 将 AdaBoost 算法用于人脸检测取得里程碑式的意义以来,该算法也被引入到人眼检测研究中,人们对此进行了大量的研究。
本文利用 AdaBoost 进行人眼检测研究。讨论人眼图像的 haar 矩形特征和更具表达能力的分散矩形特征,研究分散矩形特征的优化方法;分析 AdaBoost 在人眼检测中的特点,提出改进 AdaBoost 的级联方法。本文所研究的工作主要包括以下几个方面:
1. 使用分散矩形特征代替原始 haar 矩形特征训练分类器,为了克服特征数量暴增的问题,提出一种优化分散矩形特征的方法。原始 haar 矩形特征只能表达水平、垂直或 45°方向上的信息,而分散矩形特征打破了边界相邻对齐的约束条件,可以表达几乎各个方向上的信息。实验结果表明,分散矩形特征比原始 haar 矩形特征具有更强的表达能力,优化后训练分类器所需时间是优化前的约三分之一。
2. 提出一种新的按照指数规律调整级联分类器每层最小检出率和最大误检率的 AdaBoost 级联方法。传统级联方式的每层分类器的最小检出率和最大误检率是固定不变的,在训练的后期,训练难度不断加大,要想达到预定的检出率和误检率必须增加每层分类器包含的弱分类器数目,会造成训练非常耗时。实验结果表明,采用分散矩形特征结合改进级联方法训练出的分类器分类能力要强于原始 haar 特征结合传统级联方式训练出来的分类器,并且能够有效降低误检率。 3. 结合 OpenCV 库设计了一个人眼检测系统。OpenCV 库是一个开源计算机视觉库,封装了很多可用于计算机视觉研究的函数,使用方便。系统在保证高检出率的同时,对光照、姿势、旋转、遮挡、闭眼等复杂场景也具有很好的鲁棒
性。
除此之外,本文还手工构建了大规模的人眼样本库,有利于进行人眼检测的深入研究。
关键词:人眼检测;分散矩形特征;软级联;AdaBoost 算法;OpenCV 库
Abstract
Eye detection is a challenging problem puter vision field. Due to plexity of the real word, it is not easy to detect human eye in cluttered image. Moreover, by the impact of illumination, pose, rotation, occlusion, and so many other factors, eye detection es