《基於一種改進的Adaboost算法的人臉檢測系統的設計與實現》是劉宏志撰寫的一篇論文。
基本介紹
- 中文名：基於一種改進的Adaboost算法的人臉檢測系統的設計與實現
- 作者：劉宏志
- 論文來源：北京大學
- 發表時間：2007
- 分類號：TP391.41
論文摘要,引文格式,
論文摘要
人臉檢測(Face Detection)是指對於任意的一幅輸入圖像,通過一定的搜尋算法,判斷圖像中是否存在人臉,如果存在,則返回人臉所在的位置及其大小。由於人臉檢測具有廣泛的套用場景,例如:視頻監控、人機互動、圖像檢索、視頻會議和數位相機等,再加上其問題本身的高度複雜性以及其對實時性的要求,它一直是近年來計算機視覺研究領域的一個熱點問題。經過數十年的研究與發展,至今已有很多針對人臉檢測的算法和方法,其中比較典型的兩種方法分別是人工神經網路和Adaboost算法。這兩種方法都各有所長,但也都存在一些不足之處。本文先分別針對這兩種方法進行了討論,並就其各自存在的問題提出了一些改進措施。為了達到更好的檢測效果,我們將Adaboost和神經網路有機的結合在了一起,並加入簡單的模糊邏輯控制和一些有效的後期處理操作,從而構成一個訓練時間短、檢測率高、誤判率小的混合人臉檢測系統。實驗結果顯示,經過我們改進的基於Adaboost的人臉檢測算法的訓練時間大大縮短,現有的Adaboost人臉檢測系統,如Viola和Jone系統、Matlab7.0.1,挑選一個特徵平均需要幾十分鐘,訓練整個系統需要幾天甚至幾周的時間,而我們的系統平均每個特徵只需要幾秒鐘的時間,整個系統只需要幾十分鐘就能訓練完成。在檢測準確率方面,對於正面無旋轉的人臉圖像,我們的系統不管是人臉的檢測率還是非人臉的誤判率,都比基於單純的人工神經網路系統要好;與基於單純的Adaboost算法的人臉檢測系統相比,在保證同樣的人臉檢測率的情況下,我們系統的非人臉的誤判率要低一些。在檢測速度方面,對於一張320X240的圖像,我們的系統平均需要0.48秒,比基於神經網路的系統要快,但比基於單純的Adaboost方法的系統要慢。
引文格式
劉宏志. 基於一種改進的Adaboost算法的人臉檢測系統的設計與實現[D].北京大學,2007.
