2011年7月15日第34卷第14期

ModernElectronicsTechnique

现代电子技术

Jul.2011Vol.34No.14

基于Adaboost算法的人脸检测技术的研究与实现

张 宁1,李 娜2

(1.华北电力大学电子与通信工程系,河北保定 071003;2.保定职业技术学院基础科学部,河北保定 071003)摘 要:人脸检测是人脸识别技术的基础,首先提出人脸检测系统的构成,分析Adaboost算法对图像进行人脸检测的基本原理。根据Adaboost算法形成了简单的矩形特征作为人脸特征,即Haar like特征,然后由多个Haar like特征相当于一个弱分类器,由多个弱分类器级联成为一个强的分类器,并将级联分类器用于动态人脸检测中,从截取的每一帧图像中进行检测。经过实验验证,采用这种方法和步骤进行人脸检测达到了比较好的精度和速度,为接下来的人脸识别提供了前提条件。

关键词:人脸检测;Adaboost算法;级联分类器;矩形特征

中图分类号:TN391 34 文献标识码:A 文章编号:1004 373X(2011)14 0004 03

ResearchandRealizationofFaceDetectionTechnologyBasedonAdaboostAlgorithm

ZHANGNing1,LINa2

(1.DepartmentofElectronicsandCommunicationEngineering,NorthChinaElectricPowerUniversity,Baoding071003,China;

2.BasicalScienceDepartment,BaodingVocationalandTechnicalCollege,Baoding071003,China)

Abstract:Facedetectionisthebasisoffacerecognition.ThestructureofthefacedetectionsystemisintroducedandthebasicprinciplesofAdaboostalgorithmisanalyzedinthispaper.BasedonAdaboostalgorithm,asimplerectangularfeatureisformedasafacialfeature,whchisHaar likefeatures.AweakclassifierisformedbyanumberofHaar likefeatures,andmultipleweakclassifiersarecascadedintoastrongclassifier.Thecascadeclassifierisusedindynamicfacedetectiontodetectfacescapturedfromeachframeimage.Experimentalresultsshowthatthismethodandprocessoffacedetectioncanachievearelativelygoodaccuracyandhighspeed,andprovidepreconditionsforthenextfacerecognition.

Keywords:detectionofhumanface;Adaboostalgorithm;cascadeclassifier;rectanglefeature

人脸检测和识别技术是机器视觉与模式识别领域最有挑战性的研究课题之一,它是一个涉及到模式识别、计算机视觉、自然语言理解、图像处理等多门学科的综合课题。随着社会的发展和科技的进步,对方便并且自动进行身份鉴别的技术需求日益迫切,人脸识别技术是目前研究较多的热门技术之一。人脸识别的前提是人脸检测,可靠的检测到人脸是高效率识别人脸的基本条件。

1 人脸检测系统原型设计

人脸检测系统设计主要分为4部分,检测流程图如图1所示:

(1)从摄像头中获取图像;

(2)使用人脸检测算法 Adaboost算法对图像进行检测;

(3)对检测的人脸区域进行处理;

(4)保存到人脸数据库中或者进行后续的人脸识别。

收稿日期:2011 01 18

2 Adaboost算法基本原理

Adaboost算法包括提升算法和基本算法2部分。

基本算法(即弱学习算法)实际上是选择合适的判别函数,即找弱分类器;提升算法是一个迭代的过程,每一次迭代都要选择一个分类错误率最小的弱分类器,同时调整所有训练样本的权值,增加被分类错误样本的权值,使以后选择的弱分类器更加重视这些训练样本,最终提

高分类器的泛化能力。

图1 人脸检测流程

Adsboost算法过程:

(1)输入N个训练样本:{(x1,y1),(x2,y2), ,(xn,yn)},其中yi {0,1},0表示反例样本,1表示正例样本;

(2)指定循环的次数T,这将决定最后强分类器中弱分类器的数目;

(3)初始化权值向量W1,i=D(i),1 i N,D(i)