浅论一种鲁棒的人脸检测方法

《浅论一种鲁棒的人脸检测方法》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、北京工业大学硕士学位论文一种鲁棒的人脸检测方法姓名：苏世前申请学位级别：硕士专业：计算机应用技术指导教师：高文;尹宝才20050501摘要基于机器学习的方法由于其好的检测效果而成为现在主流的人脸检测方法，然而，和其它方法’一样．这类方法也存在着如何协调好性能和效率方面的问题，针对这类方法目前存在的～些问题，本文提出了一种新的基于学习的人脸检测方法，主要内容包括以下几个方面；第一、提出了一种新的人脸全局特征以及用该特征来构建弱分类器的方法。选择特征并构建弱分类器是基于学习的检测方法中重要的一步，本文提出了一种线性的全局特征，即单位平均脸特征，利用

2、直方图的统计特性，根据Neyman．Pearson决策规则可以得出用于分类的判别函数，设计出与全局特征相对应的弱分类器，同时本文也给出了这种弱分类器的学习算法。第二、提出了一种在结合全局特征的情况下进行局部特征的选择和计算方法。在人脸检测技术发展的过程中，特征始终扮演着重要的角色，特征对学习算法最终学到的结果有非常大的影响，如何选择特征并设计弱分类器是基于学习的检测方法中重要的⋯个环节。针对目前基于学习的检测方法只使用局部特征时存在的问题，本文提出了一种在结合全局特征的情况下进行局部特征的选择方法，即只在训练样本的部分区域内选择局部特征，这种选

3、择方法提高了人脸检测的鲁棒性，同时也为怎样解决人脸检测中的遮挡问题提供了一个新的思路。第三、将全局特征和局部特征相结合来训练分类器，提高了分类器的鲁捧性。人脸检测器本质上是一个分类器，本文以单位平均脸特征作为全局特征，以矩形特征作为局部特征，将两者相结合来训练分类器并给出了训练算法，通过该算法训练出的人脸检测器在具有较少特征的情况下仍能达到较高的检测率，同时又能保持较低的误检率，并且该检测器能够检测具有部分遮挡的人脸，显示出较高的鲁棒性。这种将全局特征和局部特征相结合从多个角度对事物进行判别分析的方法符合方法论的观点。在MIT+CMU人脸数据库

4、上的检测实验结果表明，我们的人脸检测器具有较高的检测率95％矛tl较低的误检率lO。6，能够检测具有部分遮挡的人脸，具有较高的鲁棒性：对大小为320X240的图像进行检测的时间为O．08秒。作为一种基于学习的检测方法，本文方法克服了基于学习的检测方法只使用局部特征时存在j5虿王些态警耍土主盏逾塞的误检率会随着检测率的提高而变得很高的问题，同时克服了只使用全局特征时检测速度慢的问题，较好地做到了性能和效率的统一。关键词：人脸检测：分级分类器；机器学习；AdaBoost；KLBoostingABSTRACTNOW,thefacedetectionm

5、ethodbasedonmachinelearningbecomesthemainlypopularmethodbecauseofitsgooddetectioneffect．Beingsametoothermethods，thiskindofmethodalsofacestohowtobalancetheperformanceandtheefficiency．Totheexistingproblemofthiskindofmethod，thisthesisproposesanewfacedetectionmethodbasedonmachin

6、elearning，includingthreemaincontents：First，akindofnewglobalfacialfeatureandamethodtobuildweakclassifiersusingitareproposed．Selectingoffeaturesandbuildingofweakclassifiersareveryimportantstepsinthedetectionmethodbasedonlearning．Thisthesisproposesanewlinearfeaturenamedastheuni

7、taveragefacefeature．WiththestatisticpropertyofthehistogramandtheNeayman‘Persondecisionregulation，aclassifyinganddiscriminatingfunctionisgivenandaweakclassifiercorrespondingtotheunitaveragefacefeatureisdesigned．Alearningalgorithmoftheweakclassifierisalsogiven．Second，combining

8、withtheglobalfacialfeature，amethodtoselectandcalculatethelocalfacialfeature