基于adaboost算法的人脸检测.pptx

基于AdaBoost算法的人脸检测研究
2016/11/24
导师: 黄晁
学生:孙松
6
选题的背景和意义
背景①
人脸所反映的视觉信息在人们的交往中有着重要的意义。视频监控、
出入口控制以及人机交互等领域有着广泛地应用前景。
6
第一部分:
使用Harr-like特征表示人脸,使用“积分图”实现特征数值的快速计算;
第二部分:
使用Adaboost算法挑选出一些最能代表人脸的矩形特征( 弱分类器),按照加权投票的方式将弱分类器构造为一个强分类器;
第三部分:
将训练得到的若干强分类器串联组成一个级联结构的层叠分类器,级联结构能有效地提高分类器的检测速度。
Haar特征
6
脸部的一些特征可以由矩形特征简单的描绘。
通常,眼睛要比脸颊颜色更深;鼻梁两侧要比鼻梁颜色要深。
边缘特征
线性特征
特定方向的特征
最简单的5个矩形特征模板
定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰
度变化情况。
6
计算Haar特征的值
6
特征模板可以在子窗口内以“任意”尺寸“任意”放置,每一种形态称为一个特征。对于一个
24x24的子窗口来说,特征的数量有数十万个。
为求取haar特征的特征值,引入了积分图。
只需要对每个像素进行少量的计算工作,就能得到一幅图像的“积分图”。“积分图”能够在多种尺度下,使用相同的时间来计算不同的特征,因此大大提高了检测速度。对于图像内一点A(x,y),定义其积分图ii(x,y)。其积分图,ii(x,y)可通过下式迭代求出:
s(x,y)=s(x,y-1)+i(x,y)
ii(x,y)=ii(x-1,y)+s(x,y)
其中s(x,y)为点(x,y)及其y方向上所有原始图像之和(列积分和);
积分图的定义:
A(x,y)
x
y
s(x,y)
坐标A(x,y)的积分图定义为其左上角矩形所有像素之和(图中阴影部分)。s(x,y)为A(x,y)及其y方向向上所有像素之和(图中粗红竖线)
利用积分图计算haar特征特征值
6
1
2
A
B
C
D
3
4
(1,1)
x
y
区域D的像素可用积分图计算为:ii4+ii1-(ii2+ii3)
x
6
y
5
3
1
2
3
4
(1,1)
A
B
此特征模板的特征值为:区域A的像素值-区域B的像素值而:区域A的像素值=ii4+ii1-(ii2+ii3)
区域B的像素值=ii6+ii3-(ii4+ii5)
所以此特征模板的特征为:
6
AdaBoost训练算法

其中
表示其为负样本(非人脸)
表示其为正样本(人脸)。n为一共的训练样本数量。
,训练一个弱分类器计算对应所有特征的弱分类器的加权(qt)
错误率

t=1,...,T;
;
6
(拥有最小错误率)
,调整权重: