浅谈实时人脸检测

浅谈实时人脸检测

ID:34823558

大小:2.14 MB

页数:99页

时间:2019-03-11

浅谈实时人脸检测_第1页
浅谈实时人脸检测_第2页
浅谈实时人脸检测_第3页
浅谈实时人脸检测_第4页
浅谈实时人脸检测_第5页
资源描述:

《浅谈实时人脸检测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、上海交通大学硕士学位论文实时人脸检测姓名:曾义申请学位级别:硕士专业:计算机软件与理论指导教师:申瑞民20070101上海交通大学硕士学位论文实时人脸检测摘要人脸检测作为计算机视觉领域的一个热点研究问题,已经被研究了数十年了。早期人脸识别成为学界一个主要的研究议题时,尽管人脸检测作为一个无法绕开的议题被提出来,但普遍被认为难度远低于人脸识别。随着研究的深入,人脸检测被认为难度及研究意义与人脸识别相当,并逐渐发展为模式识别与图像处理领域的一个独立研究分支。人脸检测一方面作为人脸识别的前驱工作,有其无可替代的应用价值。另一方面,由于安全监控、自动跟踪等领域的需求,对视频中人

2、脸检测的实时性要求也越来越高。2001年PaulViola提出的结合Boosting与级联分类的算法使得人脸的实时检测向前迈进了一大步,但是整个冗长的训练过程和检测仍有提高的空间。提高检测分类器的性能对人脸检测实时性的提升有着直接的贡献,而缩短训练过程对探索新的高效检测技术有着十分重大的意义。因此本文在现在文献的基础上实现了一个高准确率高性能的实时人脸检测系统。为了减少训练时间,我们提出了一种基于Boosting的改进训练算法。该算法通过对弱分类器的阈值选择进行一趟处理来降低运算时间复杂度,并根据Boosting训练迭代中只改变样本权值而不更新样本的特点对特征值和排序结

3、果进行缓存来提高训练算法的-IV-上海交通大学硕士学位论文性能。同时提出了一种新的基于检测特征数期望值最小化的级联分类器构建方法使得分类器的各层特征数组合达到最佳性能。对训练系统的改进大幅提高了人脸检测分类器训练系统的性能,使得分类器的训练时间缩短了60多倍。由于Boosting算法的通用性,该改进算法不仅适用于人脸检测,也适合所有进行权值更新迭代训练的Boosting算法。另一方面,对检测系统的改进使得最优组合的检测特征数期望值比已发表的组合要小将近2倍,从而获得了比已发表的特征数组合高出近80%的性能提升。因此该方法适用于使用Boosting及其变形算法构建具有最佳

4、性能的级联分类器。全文共分为7章,内容组织安排如下:第一章介绍了人脸检测问题的提出与研究背景,研究内容与应用以及研究难点、研究现状与相关工作。第二章概述了作为本文基础的级联分类器算法以及组成部分的工作原理。第三章详细阐述了分类器的训练工作。第四章,详细介绍了对训练与检测部分的性能改进。第五章,详细阐述了整个系统的设计与实现。第六章,给出集成了改进算法与工程实现的系统结果,并在第七章给出结论与对未来研究工作的展望。本文工作得到上海市科委世博会项目以及国家CNGI项目的支持。关键词:实时人脸检测,AdaBoost,级联分类器,特征数期望值,快速检测,高性能训练算法-V-上海

5、交通大学硕士学位论文ResearchonRealTimeFaceDetectionABSTRACTAsahotissueintheresearchfieldofcomputervision,facedetectionhasbeenstudiedfordecades.Intheearlyyears,facedetection,thoughwasproposedasthefirststepoffacerecognition,wasviewedasfareasierthanthelatter.Nevertheless,asthestudygoesdeeper,facedete

6、ctionnowisconsideredtobeasdifficultas,ifnotmoredifficultthan,facerecognition.Asthepre-processoffacerecognition,facedetectionhasitsunalterablevalue.Ontheotherhand,foritsapplicationinthefieldofbiometricsurveillanceandautomatictracking,therealtimerequirementoffacedetectionisbecominghigher.A

7、lthoughtheproposalofthecombinationofBoostingalgorithmandcascadeclassifierbyPaulVioladrewagreatadvanceofrealtimefacedetection,therearestillspacefortheimprovementofclassifiertraininganddetection.ThereforeanimprovedtrainingalgorithmofAdaBoostisproposedtosolvetheproblemoflong

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。