基于Gentle Adaboost算法的人脸检测研究-软件工程专业论文.docx

摘要摘 要随着信息技术的发展,人脸检测的研究在计算机视觉等领域一直备受人们的青睐。由于人脸的细节复杂多变,早期的人脸检测,往往局限于较强的约束条件下,其在复杂背景下的检测性能并不能达到满意的效果。直到2001年,PaulViola应用Adaboost算法构建了人脸检测系统,在精度和速度上都取得了不错的结果。作为人脸检测中的新技术,受到了广泛的关注。本文以GentleAdaboost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,提高了系统的检测精度。所研究工作主要包含以下几个方面:,着重介绍了Haar矩形特征、积分图、分类器的构造和训练过程,并实现了一个简易的人脸检测系统。,精简了一些矩形特征的数量。实验结果表明,经精简后的矩形特征,其训练时间减少了近五分之二,但系统的检测性能有所下降。。实验结果表明,不管是系统的检测率还是误检率,传统的“金字塔”式缩放的人脸检测方法都要好于基于放大检测窗口的检测方法,但是传统方法的检测速度要慢许多。,其漏检所付出的代价要比误检所付出的代价更大。针对该问题,把两者的代价因子引入到弱分类器的训练过程中,并给出了Cost-GentleAdaboost算法。该算法在挑选弱分类器时,更加看重对人脸样本的分类能力。通过实验对比,在同等条件下,改进后的算法所训练的人脸检测系统比传统的人脸检测系统,其检测精度更高,误检率也相对要高一些。关键字:人脸检测,GentleAdaboost,Haar矩形特征IABSTRACTABSTRACTWiththedevelopmentofinformationtechnology,,intheearlyperiod,facedetectionislimittothestrongconstrainedcondition,andthedetectionperformancecan’,PaulViolaconstructedafacedetectionsystemwiththeAdaboostalgorithm,,:Thethesisanalyzesthewholeprocessaboutfacedetectionsystemincludingthetraininganddetection,andintroducestheHaar-rectanglefeature,integralimage,,,,thetrainingtimehasbeendecreasednearlytwo-fifths,,namely:,theperformanceofthetraditionalmethodisbetterthanthesecondmethod,,