利用SVM改进Adaboost算法的人脸检测精度

摘要

人脸检测是模式识别和计算机视觉研究领域的热点之一，但是由于各方面因素的影响，人脸检测仍然是一项十分困难的工作。本文首先介绍了人脸检测的研究背景及意义、人脸检测的相关知识以及当前已有的主要的人脸检测方法，然后对各种检测方法的优缺点作了比较深入的研究和比较，并对基于Adaboost算法的人脸检测方法作了详细的描述。
　　 Viola和Jones提出的基于Adaboost算法人脸检测方法是当前流行的一种检测方法，该方法具有检测速度快、检测率高的优点，但同时在一定条件下也存在着误检率高的问题。本文在分析了其不足之处的基础之上，提出了利用SVM分类方法改进Adaboost算法的人脸检测精度。该方法的重点和难点在于如何训练出一个分类精度比较高的SVM分类器，以及如何生成XML格式的分类特征库文件。本文采用了图像处理领域中的颜色空间转换、合适的形状特征提取方法对训练样本进行特征提取，然后训练出分类精度较高的SVM分类器，再利用训练得到的SVM分类器对Adaboost算法筛选得到的候选人脸区域进行分类预测确定最终的人脸区域。实验结果证明，SVM分类算法可以提高检测精度，使检测算法具有更好的检测效果。