学位论文 > 优秀研究生学位论文题录展示

基于AdaBoost和Cascade算法的人脸检测

作　者: 聂尧
导　师: 李一民
学　校: 昆明理工大学
专　业: 通信与信息系统
关键词: 人脸检测 AdaBoost 积分图 互信息(MI) Cascade
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 128次
引　用: 0次
阅　读: 论文下载
 

内容摘要


人脸检测问题最初来源于人脸识别,是自动人脸识别系统中的一个关键环节。近几年随着电子商务等应用的发展,使得人脸检测开始作为一个独立的课题受到研究者的重视。今天,人脸检测的应用背景已经不仅仅局限于人脸识别系统的范畴,在基于内容的检索、数字视频处理、视觉监测等方面都有着重要的应用价值。对于人脸检测的研究,经历了由简单到复杂,由静态图像检测到视频实时检测的发展过程。由于人脸模式错综复杂、易受干扰,所以很多常用的人脸检测算法一般都存在计算量大、速度慢、误检率高的弱点。Viola于2001年提出的基于积分图的AdaBoost方法,是目前人脸检测领域最先进的技术之一。在此基础上所构建的检测系统是第一个真正实时的人脸检测系统。该方法先利用“积分图”快速计算特征,构造弱分类器；然后通过AdaBoost学习算法,从得到的大量弱分类器中,产生一个高效的强分类器；最后采用级联方式将单个的强分类器再合成为一个更加复杂的层叠分类器,使图像背景区域快速地丢弃。本文中算法构架主要采用AdaBoost学习训练算法和基于Cascade算法分类器的检测架构。文中对AdaBoost训练出的弱分类器有较大冗余信息量的特点,引入了基于互信息的AdaBoost算法。系统采用的基于Cascade算法架构就是用非常简单的分类器把大部分显然不可能包含人脸的子窗口从大量的被检测子窗口中筛选掉,而保留那些更有可能是人脸的子窗口。这些简单的分类器被安排在整个多层结构的早期,从而使得那些背景中分离出来的子窗口能够在尽可能少的运算步骤后就被筛选掉,从而避免了需要经过整个多层结构的复杂运算。而这些后期的各层分类器则是为了能尽可能降低错误判对率而设的结构。

全文目录


摘要  3-4
Abstract  4-5
目录  5-7
第一章 绪论  7-14
  1.1 研究的背景  7-8
  1.2 人脸检测问题描述  8-9
  1.3 难点及需解决的问题  9-10
  1.4 人脸图像库和性能评价  10-12
    1.4.1 人脸图像数据库  11
    1.4.2 人脸检测算法的评价标准  11-12
  1.5 论文的主要工作  12-14
第二章 人脸检测算法综述  14-26
  2.1 初始期  14-16
  2.2 发展期  16-22
    2.2.1 基于肤色特征  16-18
    2.2.2 基于边缘特征  18
    2.2.3 基于人工神经网络的方法  18-20
    2.2.4 基于特征空间的方法  20
    2.2.5 基于支持向量机的方法  20-21
    2.2.6 基于统计模型的方法总结  21-22
  2.3 转折期  22-25
  2.4 本章小结  25-26
第三章 AdaBoost分类器及其改进  26-45
  3.1 问题背景及Boosting算法的提出  26-28
  3.2 AdaBoost的基本原理  28-29
  3.3 特征选取  29-33
    3.3.1 矩形特征描述  29-30
    3.3.2 矩形特征的选取  30-31
    3.3.3 检测器内特征总数  31-33
  3.4 构建积分图(Integral Image)  33-36
    3.4.1 矩形特征值的表示方法  33-34
    3.4.2 积分图的快速运算  34-36
  3.5 基于AdaBoost算法训练分类器  36-41
    3.5.1 AdaBoost算法的基本框架  37-39
    3.5.2 分类器的训练及选取  39-41
  3.6 Adaboost算法优化  41-43
    3.6.1 熵和互信息  41-42
    3.6.2 基于互信息的AdaBoost算法  42-43
  3.7 本章小结  43-45
第四章 基于Cascade算法的检测架构  45-51
  4.1 算法基本思想  45-47
  4.2 算法基本原理  47-48
  4.3 算法架构  48-49
  4.4 扫描检测  49-50
  4.5 本章小结  50-51
第五章 系统实现及结果  51-57
  5.1 训练样本集  51
  5.2 样本预处理  51-53
  5.3 实验结果及分析  53-56
  5.4 本章小结  56-57
第六章 总结与展望  57-58
致谢  58-59
参考文献  59-64
附录A 攻读学位期间发表论文目录  64

相似论文

  1. 基于三维重建的焊点质量分类方法研究,TP391.41
  2. 舌体特征的提取及融合分类方法研究,TP391.41
  3. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  4. 唇读中的特征提取、选择与融合,TP391.41
  5. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  6. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  7. 基于差分演化的人脸识别方法研究,TP391.41
  8. 基于肤色分割与AdaBoost算法的人脸检测研究,TP391.41
  9. 基于AdaBoost算法的人脸识别研究,TP391.41
  10. 基于OpenCV的人脸检测方法研究,TP391.41
  11. 基于单目视觉的车辆检测算法研究与实现,TP274
  12. 基于视觉的驾驶员疲劳实时检测研究,TP391.41
  13. 基于连续Adaboost算法的多角度人脸检测技术研究与实现,TP391.41
  14. 人脸表情识别算法研究,TP391.41
  15. 基于与或图的异常人脸检测技术研究,TP391.41
  16. 基于小波变换和线性子空间的人脸识别技术研究,TP391.41
  17. 基于红外视频的行人检测,TP391.41
  18. 视频数据中人体动作的分类研究,TP391.41
  19. 基于特征点定位的虚拟试戴的研究,TP391.41
  20. 彩色人脸检测与识别研究,TP391.41
  21. 人脸自动美化算法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com