基于Adaboost算法的人脸检测研究及实现

１．绪论

作。在统计过程中使用大量样本进行训练，使检测的结果具有一定的可靠性。从理论上

讲，训练样本越多越好，所以基于统计模型的检测方法也具有一定的可扩展性。这类方

法的工作流程图如图１．１所示：

离线训练

图１—１统计模型算法的工作流程图

Ｆｉｇｌ一１ｔｈｅｆｌｏｗｃｈａｒｔｏｆｓｔａｔｉｓｔｉｃａｌｍｏｄｅｌａｌｇｏｒｉｔｈｍｓ

常用的基于统计模型的检测方法有：基于神经网络的检测方法ｔ１４｜、基于支持向量机

的检测算法¨卯、基于隐性马尔可夫模型的检测方法¨们和基于概率的检测方法“７１。目前，

最受关注的是基于Ａｄａｂｏｏｓｔ算法的检测方法。

在基于统计模型的检测算法中，速度最快的是Ａｄａｂｏｏｓｔ算法，对状态信息描述最清

楚的是隐性马尔可夫模型和基于纹理特征的算法。对于一个简单、快速的人脸检测系统，

使用Ａｄａｂｏｏｓｔ算法的效果会更好些。而对于一个要求精准的检测或者识别系统，就应该

尽量使用类似于隐性马尔可夫模型和基于纹理特征的算法。

总之，人脸检测问题的内涵十分广泛，很多的方法一般都是针对某一类问题提出的。

由于人脸检测问题的复杂性，实现完全通用的人脸检测方法还不太现实。总的来说，基

于统计模型的方法具有很大的优势。但是基于统计模型的人脸检测仍然有一定的缺陷，

该类方法受图像质量、检测速度等因素的约束，对多尺度目标的检测也很复杂。所以基

于特征的检测方法和基于统计模型的检测方法相结合，今后仍将是主流。

１．４本课题研究的主要内容

本课题研究的主要内容围绕着基于Ａｄａｂｏｏｓｔ算法的人脸检测与跟踪展开。课题首先

是实现基于Ａｄａｂｏｏｓｔ算法的人脸检测，在此基础上对其添加跟踪算法和其它优化算法，

最终搭建人脸检测与跟踪系统。课题研究的主要内容如图１．２所示。

整个课题的工作分为４个阶段：第１阶段的主要工作是收集训练样本，分别实现

Ａｄａｂｏｏｓｔ算法的训练过程和检测过程：第２阶段重点是对Ａｄａｂｏｏｓｔ算法的训练过程进行