学位论文 > 优秀研究生学位论文题录展示

基于AD-AdaBoost算法的人脸检测方法的研究

作　者: 李新战
导　师: 张祥德
学　校: 东北大学
专　业: 应用数学
关键词: 人脸检测 AD-AdaBoost算法 Haar-like特征级联分类器
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 18次
引　用: 0次
阅　读: 论文下载

内容摘要

人脸识别技术作为生物特征识别技术的重要组成部分,是应用数学、模式识别和计算机科学的交叉热点问题。人脸检测技术作为人脸识别的一个关键技术,具有极高的学术研究价值和应用价值。本文归纳和分析了当前人脸检测的经典算法,然后从训练过程和检测过程对算法进行了优化,以AD-AdaBoost算法为基础,对训练过程和检测过程对算法进行了优化,并在此基础上训练了一个级联分类器,构建了人脸检测系统。具体的内容如下：首先,根据AD-AdaBoost算法中的权重更新规则,增加了一个权重更新阈值,有效地避免了一部分困难样本因权重增长过快而导致的退化现象。其次,根据Haar-like矩形特征的特征值的特点,在检测过程中,我们保持待检测图像大小不变,逐层等比放大检测窗口,遍历整张待检测图像,提高了系统的检测速度。最后,通过改进后的算法训练出人脸检测器在中科院可见光人脸数据库上进行了检测。检测率达到97.8%,误检率是0.01%。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-16
  1.1 前言  10
  1.2 人脸检测技术研究的意义  10-11
  1.3 人脸检测结果评价标准  11
  1.4 人脸检测技术算法发展和研究现状、方法  11-14
    1.4.1 基于几何特征的方法  12
    1.4.2 基于肤色模型的方法  12-13
    1.4.3 基于统计理论的方法  13-14
  1.5 本文的主要内容安排  14-16
第2章 AD-AdaBoost算法  16-24
  2.1 Boosting算法背景  16
  2.2 AD-AdaBoost算法简介  16-18
    2.2.1 AdaBoost算法流程  16-17
    2.2.2 AdaBoost算法分析  17-18
  2.3 AD-AdaBoost算法  18-22
    2.3.1 AD-AdaBoost算法流程  18-19
    2.3.2 AD-AdaBoost算法的优缺点  19-20
    2.3.3 改进后的AD-AdaBoost算法  20-21
    2.3.4 改进后的算法分析  21-22
  2.4 级联分类器  22-23
    2.4.1 级联分类器的结构  22-23
    2.4.2 级联分类器的设计  23
  2.5 本章小结  23-24
第3章矩形特征和积分图  24-34
  3.1 Haar-like矩形特征  24-29
    3.1.1 Haar-like特征的种类  24-26
    3.1.2 矩形特征的表示  26-28
    3.1.3 特征个数的计算  28-29
  3.2 积分图像  29-33
    3.2.1 0°矩形特征的积分图  30-31
    3.2.2 45°矩形特征的积分图  31-32
    3.2.3 积分图与定积分的类比  32-33
  3.3 本章小结  33-34
第4章基于AD-AdaBoost算法的人脸检测  34-50
  4.1 图像预处理  34-38
    4.1.1 去噪处理  35-36
    4.1.2 光照补偿  36
    4.1.3 直方图均衡化  36-38
  4.2 训练分类器  38-43
    4.2.1 弱分类器的实现  38-40
    4.2.2 强分类器的实现  40-42
    4.2.3 级联分类器的实现  42-43
  4.3 实现人脸检测  43-46
    4.3.1 检测方法  43-44
    4.3.2 图像后处理  44-46
  4.4 实验结果及分析  46-49
    4.4.1 实验结果  46-48
    4.4.2 结果分析  48-49
  4.5 本章小结  49-50
第5章总结和展望  50-52
  5.1 总结  50
  5.2 对未来工作的展望  50-52
参考文献  52-56
致谢  56

基于AD-AdaBoost算法的人脸检测方法的研究

内容摘要

全文目录

相似论文