AdaBoost算法在人脸检测中的应用.doc



AdaBoost 算法在人脸检测中的应用
李承冬,李明,杜边境**
(中国矿业大学信电学院,江苏徐州 221008)
5
10
15
20
25
30
摘要:目前人脸检测中最常用的算法为 AdaBoost 算法,这种算法在运算速度及精度上有着
独特的优势。本文对 AdaBoost 算法流程进行了分析,将其分为积分图计算、Haar 特征计算、
弱分类器训练、强分类器训练、级联分类器训练、人脸检测、区域合并七个模块,提供了一
种以人脸检测为背景的标准应用框架。
关键词:人脸检测;AdaBoost;积分图;分类器
中图分类号:TP391
AdaBoost algorithm on face detection
Li Chengdong, Li Ming, Du Bianjing
(School of Information and Electrical Engineering,China University of Mining and Technology,
JiangSu XuZhou 221008)
Abstract: Face detection is currently the monly used algorithm for the AdaBoost
algorithm,this algorithm has puting speed and accuracy of unique process of
AdaBoost algorithm was analyzed and divided into seven modules, such as summed area table
calculation, Haar features calculation, the weak classifier training, the strong classifier training,
Cascade classifier training,face detection and region merging,provides a standards application
framework for face detection.
Keywords: Face Detection; AdaBoost; summed area table; classifier
0 引言
目前最常用的人脸检测方法为基于 AdaBoost 的人脸检测方法。AdaBoost 的人脸检测方
法最初由 Viola 和 Jones 于 2001 年提出,其大大的提高了人脸检测速度,能够达到实时检测
的效果,且识别效果较好[1]。该方法是一种基于积分图、AdaBoost 算法和级联分类器的方法,
其中核心算法是 AdaBoost。基于 AdaBoost 算法的人脸检测方法采用 Haar-like 特征进行特征
表示,并通过积分图方式计算特征值,然后采用 AdaBoost 算法从特征集中选择少量具有较
强分类特性的特征来产生一系列弱分类器,接着将这些弱分类器合成一个强分类器,最后通
过级联算法将多个强分类器合成一个更强的人脸检测分类器[2]。本文通过对 AdaBoost 算法
针对人脸检测的应用提供了一个标准的开发框架,可方便改进以及程序开发。
1 积分图计算
O (0 ,0 )
RSAT( x , y )
A (x ,y )
35

图 1 标准积分图
Standard Summed Area Table

图 2 旋转积分图
Rotated Summed Area Table
积分图主要的思想是将图像从起点开始到各个点所形成的矩形区域象素之和作为一个
作者简介:李承冬,男,硕士,控制理论与控制工程。
通信联系人:李明,(1962-),男,博导,模式识别与智能系统,电力电子与电力传动. E-mail:
******@cumt.
-1-

数组的元素保存在内存中,当要计算某个区域的象素和时可以直接索引数组的元素,不用重
40
新计算这个区域的象素和,从而加快了计算速度,如图 1 所示。
积分图的定义如式(1)所示:
Integral ( x , y ) =
∑
x ′≤ x , y ′≤ y
Gray ( x ′, y ′)
(1)
其中 Integral ( x, y) 表示点 A( x, y) 在积分图中点( x, y) 的值,而 Gray( x′, y′) 表示点
( x′, y′) 在灰度图中的灰度值。
45
积分图像中的任一点( x, y)