基于Adaboost学习算法的人脸检测方法研究
本文对Viola方法做了一些扩展和改进，并设计了一个快速人脸检测系统。首先，我们对Viola方法中所使用的矩形特征进行了扩展，采用了Rainer Lienhart等人提出的扩展的矩形特征。这个矩形特征库相比Viola采用的矩形特征而言，主要是增加了 旋转的矩形特征。通过积分图可以快速计算矩形特征值，从而扩大了训练的范围，提高了检测率并且降低了误检率。
其次，本文通过对Adaboost学习算法的深入分析和研究，在Masayuki Nakamura等人的基础上，对原始Adaboost学习算法的权值更新规则做了一些改进，提出了一种改进的Adaboost学习算法，这个改进的新算法不仅可以减小系统误差，同时能更有效的防止过学习现象的发生。
最后，本文运用上述的矩形特征来构建弱分类器，采用改进的Adaboost学习算法和多层级联分类器的结构，搭建了一个快速人脸检测系统。实验结果表明该系统具有较高的检测率和较低的误检率，同时检测速度也基本达到了Viola所谓的实时检测的标准。
人脸检测;Adaboost学习算法;矩形特征;积分图;多层级联分类器
上海交通大学
硕士
模式识别与智能系统
杨新
2005
中文
TP391.4;Q983.1
2006-02-27（万方平台首次上网日期，不代表论文的发表时间）