复杂环境下基于Adaboost的人脸检测系统设计与实现

复杂环境下基于Adaboost的人脸检测系统设计与实现

论文摘要

人脸检测是指给定静止图像或视频序列,不管图像中人脸的位置、大小、方向、姿势、光照等如何变化,找到并定位所有人脸确切位置的技术。人脸检测作为人脸信息处理中的一项关键技术,在感兴趣区编码、身份识别、基于内容的检索、自动监控、人机交互等方面有着日益广泛的应用,成为模式识别与计算机视觉领域内一项受到普遍重视的研究热点。随着相关研究的深入,人脸检测技术在可控环境下已能获得可供实用的检测率。然而,人脸是一类具有相当复杂细节变化的自然结构目标,这种复杂的变化给检测算法带来了相当大的困难,主要表现在人脸的姿势、表情、部分遮挡、光照条件、观察角度变化等,而且图像或视频中的人脸往往是嵌入在混乱的场景中。正是由于上述的这些难题,目前国内外仍没有一种算法能够不加限制地适用于所有场合。本文基于Adaboost算法训练了一个级联分类器,并构建了一个人脸检测系统,为了提高系统的鲁棒性和检测的速度和精度,本文对其加以改进,采用了图像处理的方法对图像进行了缩放和光照补偿的预处理,增加训练样本数和不同肤色、不同背景、不同角度、不同光照的人脸样本训练分类器,以提高系统的鲁棒性;采用放大检测窗口获得待检窗口,比传统的金字塔法放大图像减小计算量。最后,提出了一些新的矩形特征,并用实验证明这些新特征在人脸检测中起到了重要作用。这些措施大大提高了系统的检测精度,并减少了检测时间,可以适应实时检测的需要。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 课题背景和意义
  • 1.2 人脸检测的困难
  • 1.3 研究现状及发展趋势
  • 1.4 人脸检测结果评价标准
  • 1.5 内容及章节安排
  • 2 人脸检测方法介绍
  • 2.1 人脸检测问题的分类
  • 2.2 人脸检测方法
  • 2.2.1 基于知识的人脸检测方法
  • 2.2.2 基于学习的人脸检测方法
  • 3 基于Adaboost的人脸检测方法研究
  • 3.1 矩形特征
  • 3.1.1 矩形特征描述
  • 3.1.2 矩形特征的提取
  • 3.1.3 矩形特征的个数
  • 3.2 积分图
  • 3.3 新特征描述
  • 3.3.1 几何变化
  • 3.3.2 组合特征
  • 3.4 Adaboost算法
  • 3.4.1 Adaboost算法原理
  • 3.4.2 算法过程分析
  • 3.4.3 收敛性分析
  • 3.4.4 举例说明
  • 3.5 级联分类器构造
  • 4 系统实现
  • 4.1 系统框架
  • 4.2 样本获得
  • 4.3 训练样本预处理
  • 4.3.1 图像缩放
  • 4.3.2 直方图均衡
  • 4.4 弱分类器实现
  • 4.5 强分类器实现
  • 4.6 级联分类器实现
  • 4.7 检测过程实现
  • 4.7.1 预处理
  • 4.7.2 具体检测过程实现
  • 5 实验与结果分析
  • 5.1 训练结果
  • 5.1.1 训练环境
  • 5.1.2 训练结果存放格式
  • 5.2 检测结果
  • 5.2.1 单人脸检测结果
  • 5.2.2 多人脸检测结果
  • 5.2.3 检测结果优化
  • 5.3 结果分析
  • 6 总结展望
  • 致谢
  • 参考文献
  • 在校期间发表论文
  • 相关论文文献

    • [1].基于多步校正的改进AdaBoost算法[J]. 清华大学学报(自然科学版)网络.预览 2008(10)
    • [2].基于AdaBoost级联框架的舌色分类[J]. 北京生物医学工程 2020(01)
    • [3].基于CEEMDAN+RF+AdaBoost的短期负荷预测[J]. 水电能源科学 2020(04)
    • [4].基于AdaBoost算法的炉芯温度预测模型[J]. 钢铁研究学报 2020(05)
    • [5].基于iForest-Adaboost的核电厂一回路故障诊断技术研究[J]. 核动力工程 2020(03)
    • [6].基于AdaBoost的短期边际电价预测模型[J]. 计算机与数字工程 2020(02)
    • [7].基于AdaBoost的雷达剩余杂波抑制方法[J]. 电光与控制 2020(06)
    • [8].基于KELM-AdaBoost方法的短期风电功率预测(英文)[J]. 控制工程 2019(03)
    • [9].Adaboost-SVM多因子选股模型[J]. 经济研究导刊 2019(10)
    • [10].一种改进的Adaboost-BP算法在手写数字识别中的研究[J]. 大理大学学报 2019(06)
    • [11].一种快速AdaBoost.RT集成算法时间序列预测研究[J]. 电子测量与仪器学报 2019(06)
    • [12].一种加入动态权重的AdaBoost算法[J]. 重庆师范大学学报(自然科学版) 2019(05)
    • [13].基于改进的AdaBoost算法的中压配电网断线不接地故障检测[J]. 电测与仪表 2019(16)
    • [14].基于Adaboost算法的人脸检测的研究[J]. 中外企业家 2019(26)
    • [15].基于Adaboost.RT算法的隧道沉降时间序列预测研究[J]. 中国计量大学学报 2019(03)
    • [16].一种改进的BP-AdaBoost算法及应用研究[J]. 现代电子技术 2019(19)
    • [17].AdaBoost的多样性分析及改进[J]. 计算机应用 2018(03)
    • [18].基于改进Real AdaBoost算法的软件可靠性预测[J]. 空军工程大学学报(自然科学版) 2018(01)
    • [19].一种基于聚类和AdaBoost的自适应集成算法[J]. 吉林大学学报(理学版) 2018(04)
    • [20].基于Adaboost算法的人眼检测技术在路考系统中的应用[J]. 汽车与安全 2016(04)
    • [21].基于改进Adaboost算法的人脸检测方法[J]. 科技经济导刊 2018(18)
    • [22].基于Adaboost和回归树集合技术的疲劳识别研究[J]. 汕头大学学报(自然科学版) 2017(02)
    • [23].基于AdaBoost算法的在线连续极限学习机集成算法[J]. 软件导刊 2017(04)
    • [24].基于Adaboost的改进多元线性回归算法中长期负荷预测[J]. 太原理工大学学报 2017(05)
    • [25].Adaboost人眼定位方法改进与实现[J]. 大连交通大学学报 2017(05)
    • [26].基于SVM-Adaboost裂缝图像分类方法研究[J]. 公路交通科技 2017(11)
    • [27].基于Adaboost算法的主客观句分类[J]. 长春大学学报 2015(12)
    • [28].基于AdaBoost的极限学习机集成算法[J]. 软件导刊 2016(04)
    • [29].基于Adaboost的安全带检测系统[J]. 电子测量技术 2015(04)
    • [30].基于肤色模型与改进Adaboost算法的人脸检测[J]. 软件导刊 2015(06)

    标签:;  ;  ;  ;  ;  

    复杂环境下基于Adaboost的人脸检测系统设计与实现
    下载Doc文档

    猜你喜欢