基于Adaboost算法的人脸检测研究及实现

１．绪论

ｌ绪论

１．１引言

人脸是一种完全开放的信息源，通过人脸可以得到一个人的性别、年龄、表情和身

份等个体信息。人脸信息的提取过程方便而不具有接触性ｔ１１人脸信息的处理技术一直都是模式识剐与机器视觉研究领域内关注的重要问题，是现阶段基于生物特征的身份识别技术的重要组成之一。

人脸检测是指在输入信息中提取人脸（如果存在）的位置、大小和姿态等信息的过程。

人脸检测作为人脸信息处理技术中的一个关键问题，长期以来一直受各种科研机构的重视、相关课题的研究十分活跃。

智能计算的引入给人脸检测技术带来了一个新的发展空间１２１．人们将一些复杂但是

智能化的算法应用到人脸检测问题上，得到了很多较好的效果。随着智能算法的发展，新的算法越来越复杂，越来越合理，也越来越快。

自从Ａｄａｂｏｏｓｔ算法被Ｖｉｏｌａ”１等人应用于人脸检测（１５帧／秒）之后涌现出了很多

相关的研究成果。例如基于Ａｄａｂｏｏｓｔ算法的车牌识别Ｅ４ｌ号码识别”１以及手写字体识别“１等等。Ｉｎｔｅｌ公司提供的ＯｐｅｎＣＶ开发包软件就带有Ａｄａｂｏｏｓｔ算法的训练函数，大大方便了研究人员的使用和研究。但是ＯｐｅｎＣＶ中的训练函数接口固定并且训练函数不能调整，训练过程中也无法看到中间数据，由于它不能给使用者提供更多的信息，使用起来不利于研究人员深入的研究和改进。此外，使用ＯｐｅｎＣＶ开发包训练的结果还需使用其自带的检测函数，最终将很难实现算法的移植。

本文详细研究了Ａｄａｂｏｏｓｔ算法的实现过程，在此基础上对其进行了较多的改进，并

将改进算法应用到人脸检测与跟踪系统中。由于采用自主开发的训练和检测程序，整个算法具有较强的可移植性。此外，文中对实现Ａｄａｂｏｏｓｔ算法过程中的一些关键步骤给出了较详细的说明，并指导性的给出了一些关键数据。最后，本文介绍了如何搭建实验平台，实现人脸检测与跟踪系统。

１．２人脸检测技术研究的目的及现状

人脸检测技术具有极高的学术研究价值和商业价值。

人脸是一类具有复杂细节变化的自然结构目标，人脸检测技术的挑战性在于＂’：（１）

人脸之间由于在外貌、表情、肤色和姿态上的不同，需要考虑检测对象模式的可变性；（２）人脸图像作为３维物体的２维影像不可避免的受到光照产生的影响；（３）现实中的人脸面部还会有眼镜、胡须等附属物。因此，如果能够找到解决上述问题的方法，将为解决其它类似的复杂模式检测问题提供重要的启示。

早期，入脸检测技术主要服务于入脸识别课题的研究；但是，随着生物识别技术的快速发展，人脸检测技术已经被广泛的应用于其它相关领域，产生了一定的商业价值。