融合afsa和pso优化的改进adaboost人脸检测算法

《融合afsa和pso优化的改进adaboost人脸检测算法》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、Ｉ密级分类号－’‘＇，｜’Ｌ’：巧‘ｔｉ川飞｜｜’铺終＾乂索硕±学位论文’Ｔｈｅｓｄｓ化ｒＭａｓｔｅｒｓＤｅｇｒｅｅ＇／．＇＇：■０―＇戸‘论文题目融合ＡＦＳＡ和ＰＳＯ优化的改进’，讀ＡｄａＢｏｏｓｔ人脸检测算法Ｖ窠無？誦’■＊．；？－。一■－，．．＇＇．－．，．，＊，．Ｖ，〇＇；＇．■．■＂工程硕±、■申请学位类别＞＿＿‘专业名称计算机技术研究生姓名高晓林导师姓名

2、、职祿任克强教授二〇—六年五月＞，－＊吉Ｖ分类号；密级；ＵＤＣ：学号：病從＂若义ｋ琴硕：ｔ学位论文戚合ＡＦＳＡ和ＰＳＯ优化的改进ＡｄａＢｏｏｓｔ人脸检测算法Ｉｍｐｒｏｖｅｄ乂ｄａＢｏｏｓｔｆａｃｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｆｕｓｉｏｎｏｆＡＦＳＡａｎｄＰＳＯｏｔｉｍｉｚａｔｉｏｎｐ学位类别；工程硕古；高晓林作者姓名学科、专业：计算机技术工程领域：傭处理研究方向图指导

3、教女巧：任克强年月日八兵？学位论文独创性声明本人声明所呈交的论文是本人在导师指导下进行的研巧工作及取得的研究成果。据我所知，除了文中特别加化标注和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含己获得江西理工大学或其他教育机构的学位或证书而使用过的材一料。与我同工作的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示谢Ｊ坛、〇一研申请学位论文与资料若有不实之处，本人承担切相关贵任。究生签名：时间；＞０／＾年ｆ月日学位论文版权使用授权书

4、本人完全了解江西理工大学关于收集、保存、使用学位论文的规定：即学校有权保存按要求提交的学位论文印刷本和电子版本Ｉ学校有权将学位论文的全部或者部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编１＾＾？供查阅和借阅；学校有权按有关规定向国家有关部口或者机构送交论文的复印件和电子版。本人允许本学位论文被查阅和借腐，同意学校向国家有关部口或机构送交论文的复印件和电子版，并通过网络向社会公众提供信息服务。保密的学位论文在解密后适用本授权书。学位论文作者签名（手写）导师

5、签名（手写）：签字日期；年月引日签字日期：么Ｗ女年互月３／曰江西理工大学硕士学位论文摘要摘要人脸检测主要通过对输入图像中存在的人脸进行分析加以分割和提取处理，得到所有人脸的位置、大小以及姿态等，是视觉识别领域中的关键技术和研究热点，在机器视觉、视频监控以及安防系统等方面都有着非常广泛的应用。随着社会信息化的高度发展，图像和视频已经成为常用的存储社会信息的方式，然而信息数量庞大，怎样在巨大数据中高效检测出所需要的特征信息，就成为了非常紧迫的研究课题。在对人脸检测技术进行探索的过程中提出了许多较为成熟的

6、方法，但都具有一定的条件约束，AdaBoost算法在该技术中应用较多，具有一定的预期效果。但从事实角度来看，仅仅根据所提供的部分特征对人脸样本进行识别的效果并不理想。针对传统AdaBoost算法的不足，本文进行了相关改进工作，具体工作内容如下：(1)针对当前人脸检测相关技术进行学习分析，总结其中存在的问题，重点针对AdaBoost算法进行研究改进，详细阐述了AdaBoost算法的方法特征、算法性能以及在人脸检测领域的运用。(2)为了能够有效弥补AdaBoost人脸检测算法在迭代过程中权重系数较易进入局部最优的

7、缺陷，本文利用粒子群算法(PSO)收敛速度快的优点，结合AFSA算法的最佳寻优特性对PSO算法进行深度优化改进，将改进后的PSO算法的全局寻找最优和随机搜索的优势应用于检测技术中，使弱分类器权值系数找寻最优值，更准确地得到弱分类器系数最优值的结合，提高了检测的精确率；加快弱分类器的训练速度，大幅降低了训练时间。(3)对于一幅2424大小的图像，约有162336个Haar-like特征需要计算，由于AdaBoost算法是建立在统计模型的基础上，需要大量的训练集样本，这就需要计算更多的特征数量，训练时势必会受到

8、影响，在AdaBoost算法训练框架中由于人脸存在着各不相同的特征，现有的Haar-like特征模型无法满足实时检测的需求，拓展Haar-like特征模型，其作用在于排除相关度较低的Haar-like样本特征，提高检测速度。综上，本论文在传统AdaBoost算法基础上提出改进算法，并对改进的算法运用实验验证。实验表明，将改进的PSO优化算法运用到新拓展的AdaBoost算法框架中，检测性能得到了有效