资源描述：
《宠物猫脸检测的方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、申请上海交大大学硕士论文宠物猫脸检测的方法研究班级：B10703293学号：1070329127硕士生：谢素仪导师：施鹏飞学科专业：模式识别与智能系统上海交通大学电子信息与电气工程学院图像处理与模式识别研究所2009年12月ResearchonPet-CatFaceDetectionAlgorithmAuthor：SuyiXieSpecialty:PatternRecognitionandIntelligenceSystemAdvisor:PengfeiShiSchoolofElectronicsandElectricEngineeringIn
2、stituteofImageProcessingandPatternRecognitionShanghaiJiaotongUniversityShanghai,P.RChinaDecember20,2009宠物猫脸检测的方法研究摘要目标识别是计算机视觉和模式识别领域非常活跃的研究课题。针对生物特征的识别都围绕着“人”来展开，人脸识别、表情识别、性别识别、虹膜识别、手势识别等等。而日常生活中常见的动物如猫狗、牛羊等亦开始出现在目标检测和识别中。特别地，猫、狗等宠物越来越受到人们的关注。本文以最常见的宠物——猫为研究对象，提出了一种应用于数码相机的
3、基于机器学习的由粗到精(coarse-to-fine)的猫脸检测方法。首先，基于Haar-like特征的AdaBoost学习算法训练一个粗级的猫脸检测器。这个粗分类器能够快速地检测出不同尺度的猫脸，在微软猫脸图片库(含猫脸图片10000幅)上测试达到85%的检测率，但误检较高，误检猫脸占实际猫脸总数的27%。为了排除误检，级联一个基于HOG特征SVM分类器，对粗级分类器的检出框归一化大小后作二次分类，将其结果作为最终分类结果，误检猫脸数目由281个下降至21(猫脸总数10098)。粗检测器使用基于查找表型弱分类器的GentleAdaBoost算
4、法训练而成。GentleAdaboost是连续Adaboost(RealAdaBosst)改进。与RealAdaBosst相比，GentleAdaboost的弱分类器输出函数在数值上更稳定。而查找表型弱I分类器能减少Haar特征数，更好的表达正样本和负样本的分布。粗检测器的目的是利用Haar+Adaboost分类模式的快速检测能力，避免了HOG+SVM分类模式准确率高但耗时巨大的问题；精检测器利用HOG+SVM分类模式出色的区分度弥补了粗检测器速度快但准确率不高的缺陷。关键词：粗检测器，精检测器，基于查找表型弱分类器的GentleAdaBoos
5、t，方向梯度直方图，支持向量机IIResearchonPet-CatFaceDetectionAlgorithmABSTRACTVisualobjectrecognitionisaveryactivetopicincomputervisionandpatternrecognitionarea.Overtheyears,personhaslongbeencenteredaroundbymostoftheresearchworks,suchasfacerecognition,genderrecognition,andsoon.Besidespers
6、on,vehicle,character,etc.arealsocommonobjectofstudy.Whileanimalslikecatsanddogs,whichcanbeseeneverywhereindailylife,rarelyappearinthefield.Inresentyears，apetboomisintheascendant,animalshavebeenpaidmoreandmoreattentiontoandbegantostepintothefieldofvisualobjectrecognition.Inth
7、ispaper，wefocusonthecatfacedetectionwhichwouldbeappliedindigitalcamera,proposedacoarse-to-finedetectionalgorithmbasedonmachinelearningmethod.Firstly,weadoptHaar-likefeaturebasedAdaboostlearningalgorithmtotrainacoarsecatfacedetector,whichcanrapidlydetectcatfacesinavarietyofsc
8、ales.TestedontheMicrosoftcatimagedatabase(including10,000catimages),thiscoa
