基于扩展Haar特征的Adaboost人脸检测算法研究

摘要

随着电子技术的不断进步，人脸检测技术被应用于公安系统、军队安全系统、银行系统、物业管理系统、车载辅助系统、高级人机交互等众多领域。一般来说，由于人物特征的变化繁多，比如人在高兴或生气时的表情变化，还有外界环境以及光线等因素的影响，这就使得人脸检测变得困难。因此，克服这些难题对人脸检测技术的普及化具有重大意义。
　　AdaBoost人脸检测算法的提出，在人脸检测领域是一个重要的转折点。这种方法具有检测精度高和检测速度快的特点。在训练样本足够多的情况下，该方法理论上可以训练出错误率极小甚至是趋近于零的分类器，但是算法本身由于是根据人脸对应的Haar特征进行检测，所以其误检的情况是不可避免的。而且，最终的检测过程中使用的是穷举方法，当检测图片过大时，可能会出现检测时间过长的情况。
　　本文中对AdaBoost算法提出了改进方法：首先是针对最初的算法有误检率高的情况下提出了扩展的Haar特征检测方法，由于新的Haar特征的加入，使得总的特征数量增加，且新增加的特征是针对于人脸的特征提出的，所以最终的分类器能够很有效的降低其误检率；其次是引入了双通道检测的方法，使用正脸与侧脸分类器同时对输入图像进行检测，能够很有效地减少因人脸角度的不同而造成的漏检现象，而且对系统的检测速度产生的影响不大。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1研究背景与意义

§1.2国内外研究现状

§1.3人脸检测方法简介

§1.4人脸检测的难点

§1.5人脸检测的评价标准

§1.6本文的主要研究内容

第二章Adaboost算法研究

§2.1 Boosting算法介绍

§2.2 AdaBoost算法提出

§2.3 AdaBoost算法在人脸检测上的应用

§2.4 AdaBoost算法理论分析

§2.5 Haar特征

§2.6 积分图

§2.7 AdaBoost算法训练流程

§2.8 本章小节

第三章 扩展Haar特征和双通道检测

§3.1扩展Haar特征的提出

§3.2扩展的Haar特征

§3.3扩展的Haar特征特征值计算

§3.4基于扩展Haar特征的人脸检测算法

§3.5基于扩展Haar特征的人脸检测算法实验

§3.6 实验结果分析

§3.7双通道检测

§3.8本章总结

第四章 人脸检测系统的实现

§4.1 系统设计

§4.2 样本图片的预处理

§4.3 分类器的训练

§4.4人脸检测系统的测试

§4.5 系统检测分析

§4.6 本章总结

第五章 总结与展望

§5.1 本实验的成果

§5.2 展望

参考文献

致谢

作者在攻读硕士期间主要研究成果