基于改进Adaboost算法目标检测与追踪技术.pdf

Object Detection and Trackingbased on the
Technologyof Improved Adaboost
A Thesis Submitted to Chongqing University
in Partial Fulfillment of the Requirement for the
Degree of Master Engineering
by
Liu Yi
Supervisor: Prof. Gong Weiguo
Major:Instrument Science and technology
College of Opto-electronic Engineering of
Chongqing University,Chongqing,China
April, 2008
重庆大学硕士学位论文中文摘要
摘要
随着社会发展、安全需求的提升,特定目标检测追踪的研究在模式识别领
域日趋处于主导地位。目前,目标追踪检测已经在病变细胞识别、机械零件缺
损、家居安防、机器人智能系统等领域得到了广泛的研究和应用。如果一种方
法能够在视频中实时实现多种特定目标的检测追踪,这无疑为生物医学、军事
打击、民生安全等领域的研究大启方便之门。流行的人脸检测算法—Adaboost ,
具有高的检测精度、良好的实时性、对光照和姿态的强鲁棒性等特点,因此在
目标检测领域受到了广泛重视。本文研究了基于 Adaboost 算法的特定目标检测
追踪,改进了传统的 Adaboost 算法,使其适用于人眼、人脸特征以及汽车等多
种目标的检测跟踪。主要的研究工作如下:
Adaboost 分类器,将其应用于眼睛的定位检测
和跟踪。双层眼睛分类器由训练获得的双眼区域和单眼区域分类器级联构成一
个强分类器。相对于传统的 YCbCr 色度空间眼睛模板,该算法对光照变化有更
强的鲁棒性。该算法不但保留了原有普通 Adaboost 分类器的高检测率,在一定
程度上降低了眼睛的误检率。通过研究训练样本数、训练级数和 Adaboost 分类
器误检率三者间的关系,提高了分类器训练效率。
色度空间人脸特征检测算法与 Adaboost 算法的融合。计算 YCbCr
分类器与 Adaboost 分类器的正确分类率,归一化两正确分类率作为融合信息置
信度,利用置信度构建融合信息分类器;该融合分类器弥补了 YCbCr 分类器对
光照变化弱鲁棒性,增强了人脸特征检测追踪的光照变化鲁棒性,同时提高了
人脸特征检测精度,把只能在彩色空间下完成的人脸特征检测扩展到了黑白、
多光照变化等情况。
Adaboost 算法。置换 Haar-like 特征为 Patch-like 特征。在第一轮
循环训练中,依照分类能力强弱,排序挑选出弱分类器;把挑选出的众多弱分
类器映射到本论文提出的“补丁”子窗上;最后生成一个加权的强分类器。该算
法实现了复杂背景下的汽车的检测,同时可被扩展应用于多种目标的检测。
。对高
端 Basler641fc 摄像机进行 API 开发,将其集成于检测跟踪系统。
关键词:目标检测,眼睛检测,人脸特征检测,汽车检测, Adaboost
I
重庆大学硕士学位论文英文摘要
ABSTRACT
As the fast development of the society, research on the tracking of specific object
has e prominent.
Nowadays, under different disciplines, object detection and tracking is studied in
pathological cell detection, accessory defect detection, house security and artificial
intelligence. If the object detection and tracking can be realized in a specific way, there
can be convenice in the field of biology,military and safety guard.
The popular algorithm, Adaboost, is famous for high detection rate, real time