基于Adaboost算法的人脸检测研究及实现

西安理工大学硕士学位论文

图２－２（ａ）中的图像所有的像素值都是１，图像大小１６×１６，通过公式２．１可以得到其

积分图像（ｂ）。图２－３是图２－２中图像的数据区，可以看出积分图像中数据具有递增的特点，并且对于固定大小的图像其积分图像的机器计算时间是固定的。

１

１

１

１１１１１

１

１１ｌ１１１１１１１】１１２３４２４３６９４８１２１６２０２４５１０巧２０２５３０６１２１８２４１５３２４８６４１１１１１１１１１１１１１１１ｌ１６８１０１２１２１５１８１１５６３０３６８０９６１１

１１１１１１１１６３２４８６４８０９６２５６

（ａ）全１图像数据（ｂ）积分图像数据

图２－３积分图像数据区

Ｆｉ９２－３ｔｈｅｄａｔａｏｆｔｈｅｉｎｔｅｇｒａｌｉｍａｇｅ

通过积分图像可以计算出原图像中任意矩形区域内的像素点的和值。下面以计算图

２－４ｎ１中Ｄ区域的像素之和为例：

图２－４积分图像举例

Ｆｉ９２ ４ｉｎｔｅｇｒａｌｉｍａｇｅ（ｆｏｒｅｘａｍｐｌｅ）

假设已经求得某一图像的积分图像（图２－４），根据积分图像的特点，利用公式２．２

可以迅速计算出原图像中Ｄ区域内的像素的和值。

ＳＤ＝ｆｌ＋ｆ４一厂２一厂３（２．２）

其中，Ｓｏ是原图像中Ｄ区域内的像素的和值，石、以、六和六分别是积分图像中点１、点２、点３和点４的值。

２．１．２ｈａａｒ特征

根据积分图像的特点，利用公式２．２可以计算出任意矩形区域内像素点的和值，这

一过程快速且计算时间固定。利用这一特点设计出的ｈａａｒ特征提取快速且机器计算时间固定。正是由于ｈａａｒ特征提取速度足够快，使得Ａｄａｂｏｏｓｔ检测算法基本成为当前最快的检测算法之一１３１。

常用的ｈａａｒ特征是根据区域灰度对比的特点来设计的。如图２．５所示，图中给出了６