基于Adaboost的人脸检测研究.pdf

《基于Adaboost的人脸检测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于Adaboost的人脸检测研究周恒(天津工业大学，天津300160)[摘要]随着计算机科学的发展，人脸检测研究正在得到越来越多的重视。对Adaboost算法进行了深入的研究和分析，在Adaboost的基础上引入了级联结构和积分图的方法，并深入分析了Haar—like特征和由它构造的分类器的算法。[关键词]Adaboost算法；人脸检测；Haar—like；级联结构；积分图1．引言人脸检测是个非常先进的话题，它是人脸研究的一个主要方向。人脸研究主要包括人脸识别和人脸检测两大方向的研究。然而最初的人脸研究工作主要集中在人脸识别方面上。人们在这个方向上的研究也持续了很长一段时间，那时研究人员的重

2、心几乎都放在了两张人脸的对比上，也就是说这项工作的主要任务足探讨如何在一个人脸库中快速准确地检索到需要的人脸。由于早期的相关算法都是在假设已经得到j卜面人脸或者人脸很容易获得的前提下进行的，因而相关研究成果的实际意义随着人脸应用范围的不断扩大和开发实际系统需求的不断提高而变得很弱。这种假设条件卜．进行的研究很难满足实际的需求。于是人脸检测开始作为独立的研究内容发展起来。人脸检测就是对于任意一幅给定的图像，采用一定的策略对其进行搜索以确定其中是否含有人脸，如果是则返回人脸的位置、大小和姿态。人脸检测作为物体检测的一个特例，长期以来备受关注。人脸检测的难点主要集中在两方面：1)由人脸内在变化所引起

3、的，如外貌，表情，头部饰物等，称其为内凶；2)由外在条件变化所引起的，如成像角度、光照影响等，称其为外因。人的外貌和表情等内冈的微妙变化会导致识别效果的不理想，并且人脸的遮挡物等物品会造成人脸图像的不完整，这也是影响检测结果的重要因素。至于外因，情况更加复杂，光照的影响在很大程度上会改变肤色的灰度范围，增加了识别难度。其次由于成像角度的不同有可能会造成人脸的多姿态。而且图像的成像条件，如设备的焦距、成像距离等都是不可预料的。近年来出现了大量人脸检测的方法，简单地分为两类：基于特征的方法和基于图像的方法。前者指以某种特征为最小处理单元，后者指以图像中的像素为处理单元。但他们都有一些不足。目前认为

4、，PailViola和MichaelJones在(RapidobjectdetectionusingaBoostedcascadeofsimplefea-tures))一文中提出的快速对象识别算法将人脸检测推向了一个新的高度，他将Adaboost和Cascade算法综合运用到实时人脸检测系统中，从根本上解决了检测速度的问题，且具有较好的识别效果。经典Adaboost算法是基于Haar特征的，也是目前正确率最高的算法之一。2．系统构成系统构成分为训练和检测两大部分，如图l所示。用^d曲葺法训练强分类量后处理图像中人睑位萱太，J、等参数图1快速人脸检测系统的构成(1)训练部分：使用Adaboost

5、算法对预先收集的正样本(图像中含有人脸)和负样本(图像中不含人脸)进行处理；从这两类样本集中提取特征进行计算，生成一个级联分类器。级联分类器足由若干个强分类器组成的。(2)检测部分：使用训练过程中得出的级联分类器，按某个策略对待检测图像进行分析；并对检测结果进行后处理，最后得出图像中人脸的位置、大小等参数。3．基本原理3．1．积分图像Paulviola和MichaelJones首先提出了“积分图”的概念。这使得检测器中的特征的计算非常快。作者简介：周恒，男，云南昆明人。本科，研究方向：DSP。数字图像处理与图像分析。一50一图2积分图像示意图如图2所示，像素(x，y)点的积分图像定义为该点左上

6、方矩形图像区域内像素点的和，即ii(x，y)=乞i(xt，yI)rEx,y三y这里ii(x，”指的是积分图像，i(x，y)是原图像。使用如下的迭代公式，再遍历一遍原图像后可以得到每个像素的积分图像。s(x，y)2s(x，y-1)+i(x，y)ii(x，y)=ii(x-l，”+S(x，y)这里s(x，y)是像素的行累加和，并且为了计算方便，定义s(x，一1)=0，ii(-l，y)=O。利用积分图像就可以快速地计算上图的矩形特征，如图3所示矩形D内的像素可以由四个参考矩阵计算得到。位置l的积分图像是矩阵A的像素和，位置2的是A+B，位置3的是J针C，位置4的是A+B卅》D。所以D的像素和可以由4+

7、1．(2+3)得到。所以二矩阵特征可以通过6个参考矩阵求得，三矩阵特征可以通过8个参考矩阵求得，四矩阵特征可以通过9个参考矩阵求得。图3利用积分图像快速计算矩形内像素和3．2矩形特征在人脸检测过程中，需要对候选图像进行分析，判断是否为人脸，多数人脸检测系统都是使用特征对人脸模式进行建模，这些特征都应有一定的人脸和非人脸的区分性。Adaboost用于人脸检测时，需要从人脸中抽取火量的简单特征。在训练