亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于Adaboost的人臉檢測算法研究

        2014-10-21 11:09:39覃遠(yuǎn)霞
        電子世界 2014年12期
        關(guān)鍵詞:級聯(lián)人臉矩形

        覃遠(yuǎn)霞

        【摘要】Paul Viola和Michael Jones曾提出的基于積分圖象和Adaboost算法構(gòu)建層疊式(cascade)人臉檢測器,是人臉檢測算法上的里程碑事件。先利用積分圖象在常數(shù)時間內(nèi)快速計算矩形特征,再用Adaboost算法訓(xùn)練這些矩形特征組成強分類器,從而使分類器的速度大大提高。此外,構(gòu)造層疊分類器,首先簡單的強分類器排除大多數(shù)非人臉窗口,減輕復(fù)雜分類器的負(fù)擔(dān),進(jìn)而提高速度。

        【關(guān)鍵詞】Adaboost;人臉檢測

        1.人臉特征的選取

        Haar-Like特征是Viola等提出的一種簡單矩形特征,因類似于Haar小波而得名。Haar-Like特征的定義是由兩個或多個全等的矩形相鄰組合而成,特征模板內(nèi)有白色和黑色兩種矩形。

        將此特征模板的特征值定義為白色矩形像素灰度和減去黑色矩形像素灰度和??梢?,它反映了圖像局部的灰度變化。最終系統(tǒng)使用數(shù)千個一維簡單分類器,組合起來達(dá)到很好的分類效果。在實際使用時,將每一特征在圖像子窗口中進(jìn)行滑動計算,從而獲得各個位置的多個Haar-Like特征。

        臉部一些特征能夠由這些矩形特征簡單地描述,都有一定的人臉和非人臉區(qū)分性。例如,通常眼睛比臉頰顏色更深,鼻梁兩側(cè)比鼻梁顏色更深,眼睛比中間鼻梁顏色更深等等。

        2.特征計算

        得訓(xùn)練和檢測的速度大大提升。在一幅圖像中,計算原圖像任意兩個矩形內(nèi)部象素灰度值求和之差只需要積分圖中8個點的積分值相加減。考慮到上面矩形特征中矩形相鄰性,這里需要的點更少。比如二矩形特征只需要要積分圖6個點的積分值加減得到;三矩形特征只需要8個積分值;四矩形特征只要9個積分值。

        3.構(gòu)建弱分類器

        利用Haar-Like特征可以構(gòu)造出弱分類器,即分類正確率稍大于50%的分類器。設(shè)每個待測物體有k個矩形特征,特征值記為fj(x),1≤j≤k;則第j個特征fj(x)定義一個二值弱分類器形式為:

        (4)

        其中為閾值,具有最小分類錯誤率的特征值;pj表示不等號的方向,取±1。

        構(gòu)造一個弱分類器,即在樣本當(dāng)前權(quán)值分布下,確定fj(x)的最優(yōu)閾值,使得這個弱分類器對所有訓(xùn)練樣本的分類誤差最低。而訓(xùn)練時所選取的弱分類器就是在樣本當(dāng)前權(quán)值分布下,分類誤差在所有已構(gòu)造的弱分類器中最低的那個弱分類器。

        4.訓(xùn)練強分類器

        使用AdaBoost算法在人臉樣本集和非人臉樣本集上挑選弱分類器,將他們訓(xùn)練成一個強分類器。

        Viola的Adaboost算法的主要特點是在訓(xùn)練分類器的同時進(jìn)行特征選擇。它使得每個特征對應(yīng)于一個弱分類器,而Freund的Adaboost算法是以弱學(xué)習(xí)算法(例如一個弱的預(yù)測)來構(gòu)造弱分類器的。因此,此算法的弱分類器的數(shù)目是與矩形特征數(shù)目相等的,訓(xùn)練過程中從大量的弱分類器中選擇一個在當(dāng)前樣本權(quán)重分布情況下分類錯誤最小的弱分類器作為本輪訓(xùn)練結(jié)果,這樣經(jīng)過T次迭代,選擇出了T個特征,并且產(chǎn)生了一個最終的強分類器。這里的特征選擇算法就是貪心算法,實際上是Freund的Adaboost算法的一種形變形式。

        5.生成級聯(lián)分類器

        Paul Viola等針對人臉檢測問題提出了一種級聯(lián)分類器(Cascade Classifier),級聯(lián)分類器的每一“層”是一個由Adaboost算法訓(xùn)練得到的強分類器,我們在這里稱之為層分類器。

        位置越靠前的層分類器越簡單,用于排除大量容易排除的非人臉窗口;位置越靠后的層分類器越復(fù)雜,即包含越多的弱分類器,因而也具有更強的分類能力。級聯(lián)分類器的結(jié)構(gòu)事實上就是一個退化了的決策樹,只有最終通過所有層分類器的樣本才被接受為人臉。

        級聯(lián)分類器與層分類器的關(guān)系不同于強分類器與弱分類器的關(guān)系。強分類器的分類輸出結(jié)果是由構(gòu)成強分類器的所有弱分類器投票決定的,根據(jù)票數(shù)的多少確定當(dāng)前檢測窗口是否為人臉,類似于“少數(shù)服從多數(shù)”。而級聯(lián)分類器只有在所有的層分類器全票通過時,才將當(dāng)前窗口判別為人臉,任意一個層分類器投反對票,則級聯(lián)分類器就將該窗口判為非人臉,類似于“一票否決”。

        如果級聯(lián)分類器共有10層,希望最終的檢測率在0.9以上,那么每一級的檢測率就要在0.99以上才行,因為0.910≈0.9910。而每一級對于誤檢率的要求并不高,假設(shè)每一級的誤檢率為0.5,那么10級的級聯(lián)分類器的誤檢率為0.510=9.76×10-4,顯然如果層數(shù)越大,那么其誤檢率將會越低。因此我們在訓(xùn)練每一級分類器時,應(yīng)該更加重視檢測率,而對誤檢率的要求無需太高,只要在0.5左右甚至稍高均可。通過上述算法就能得到符合要求的級聯(lián)分類器。

        參考文獻(xiàn)

        [1]鄧亞峰,蘇光大,傅博.一種基于AdaBoost的快速動態(tài)人臉檢測算法[J].計算機工程,2006,32(11).

        [2]MA Yong,DING Xiaoqing Real-Time Multi-View Face Detection and Pose Estimation Based on Cost-Sensitive AdaBoost[J].清華大學(xué)學(xué)報(英文版),2005年02期.

        [3]劉明寶,姚鴻勛,高文.彩色圖像的實時人臉跟蹤方法[J].計算機學(xué)報,Vol.21,No.6,pp.527-532,1998.

        猜你喜歡
        級聯(lián)人臉矩形
        有特點的人臉
        兩矩形上的全偏差
        化歸矩形證直角
        三國漫——人臉解鎖
        動漫星空(2018年9期)2018-10-26 01:17:14
        從矩形內(nèi)一點說起
        級聯(lián)LDPC碼的STBC-OFDM系統(tǒng)
        電子制作(2016年15期)2017-01-15 13:39:09
        基于級聯(lián)MUSIC的面陣中的二維DOA估計算法
        馬面部與人臉相似度驚人
        長得象人臉的十種動物
        奇聞怪事(2014年5期)2014-05-13 21:43:01
        LCL濾波器在6kV級聯(lián)STATCOM中的應(yīng)用
        電測與儀表(2014年1期)2014-04-04 12:00:34
        三级黄色片免费久久久| 欧美人妻日韩精品| 国产精品色内内在线播放| 精品视频一区二区杨幂| 国产亚洲3p一区二区| 精品人妻中文av一区二区三区| 大陆国产乱人伦| 亚洲欧洲偷自拍图片区| 在线免费观看韩国a视频| 久久er这里都是精品23| 亚洲一区二区三区毛片| 日韩中文字幕一区二区二区| 免费无遮挡无码永久在线观看视频| 免费无码中文字幕a级毛片| 综合无码一区二区三区| 欧美精品免费观看二区| 人妻丰满av无码中文字幕| 亚洲熟女国产熟女二区三区| 精品国产a毛片久久久av| 亚洲三级视频一区二区三区| 日韩人妻ol丝袜av一二区| 色八a级在线观看| 久久精品国产亚洲综合色| 亚洲天堂免费成人av| 中文字幕综合一区二区三区| 亚洲乱码无人区卡1卡2卡3| 亚洲av午夜国产精品无码中文字| 亚洲粉嫩高潮的18p| 亚洲中文字幕在线爆乳| 亚洲人成伊人成综合网中文| 免费看av网站在线亚洲| 国产av无码专区亚洲a∨毛片| 亚洲av一二三四区四色婷婷| 午夜一区欧美二区高清三区| 国产在线不卡AV观看| av亚洲在线一区二区| 日本黄色影院一区二区免费看 | 高清日韩av在线免费观看| 久久久中日ab精品综合| 人妻忍着娇喘被中进中出视频| 无码 制服 丝袜 国产 另类|