基于协作AdaBoost多特征多姿态人脸检测地研究.pdf

图书分类号 TP391 密级________非密_____
UDC 注 1_



硕士学位论文
基于协作 AdaBoost 的多特征多姿态
人脸检测研究

史万莉


指导教师(姓名、职称) 曾光宇教授
申请学位级别工学硕士
专业名称信号与信息处理
论文提交日期________年______月______日
论文答辩日期 2011 年 5 月 30 日
学位授予日期________年______月______日
论文评阅人_____________________
答辩委员会主席赵宝升


年月日

注 1:注明《国际十进分类法 UDC》的分类
原创性声明

本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独
立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含
其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡
献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人
承担。

论文作者签名: 日期:

关于学位论文使用权的说明

本人完全了解中北大学有关保管、使用学位论文的规定,其中包括:
①学校有权保管、并向有关部门送交学位论文的原件与复印件;②学校可
以采用影印、缩印或其它复制手段复制并保存学位论文;③学校可允许学
位论文被查阅或借阅;④学校可以学术交流为目的,复制赠送和交换学位
论文;⑤学校可以公布学位论文的全部或部分内容(保密学位论文在解密
后遵守此规定)。

签名: 日期:
导师签名: 日期:
中北大学学位论文
基于协作 AdaBoost 的多特征多姿态人脸检测研究

摘要
在模式识别和计算机视觉领域,人脸作为一种十分重要的生物特征,与其相关的信
息处理技术,尤其是人脸检测技术获得了长足发展。但仍存在很多问题需要进行深入的
研究。例如:姿态、光照、遮挡、表情等因素依然严重影响着人脸检测的效果。本论文
主要是对提高人脸检测的速度和多姿态人脸的检测等问题进行了深入的研究。所作研究
内容与创新工作如下:
(1) 论文首先研究了现今人脸检测研究领域热点算法之一的 AdaBoost 算法,包括其
采用的 Harr-like 特征、积分图策略、分类器级联策略以及此算法的搜索策略。研究过程
中发现 AdaBoost 算法需要对待检测图像的所有区域进行遍历式搜索,而一幅图像当中
的人脸区域只占图像的很小一部分,这就是说用很长的检测时间去检测很多无用的区
域,大大浪费了检测时间。
(2) 针对 AdaBoost 遍历式搜索图像,严重浪费检测时间的问题,本文提出了用肤色
检测来实现对 AdaBoost 人脸检测的前端优化。肤色检测具有相对的稳定性,检测速度
快。在肤色检测时,对转换到 YCbCr 空间中的图片像素点进行 CbCr 值检测,快速分割
出肤色区域,再用 AdaBoost 算法在已分割出的肤色区域上检测人脸。仿真实验结果表
明了用肤色检测来实现对 AdaBoost 人脸检测前端优化的方法比传统的 AdaBoost 检测人
脸的速度要快 29%。同时,实验结果也表明了此种方法还存在着不足的地方,那就是当
检测多姿态人脸尤其是旋转角度过大的人脸时,很多人脸被漏检了,这对人脸检测来说
是很严重的问题。
(3) 针对多姿态人脸的检测问题,本文又在前端优化的基础上提出了协作 AdaBoost
的多特征多姿态的人脸检测。采用了扩展的 Harr-like 特征与边缘方位特征来分别表达人
脸图像的纹理信息与边缘结构信息。采用多特征融合的表达方式,比单个特征的表达方
式,能够从原始数据中挖掘出更丰富的信息;将大姿态角范围的人脸检测问题,分解为
若干个小姿态角范围的人脸检测问题,并采用金字塔型的分类器系统结构来提高检测效
率。实验结果表明:本文提出的小粒度多特征融合、多姿态的人脸检测方法,有效地解
中北大学学位论文
决了多姿态人脸的检测问题,取得了比单个特征方法更高的检测精度。

关键词:AdaBoost,Harr-like,边缘方位特征,前端优化,多特征多姿态人脸检测
中北大学学位论文
Research on Collaboration AdaBoost Multi-Feature
Multi-pose Face Detection
ABSTRACT
In the field of Pattern Recognition puter Vision, face is a very important
biological char