一种复杂背景下的人脸检测方法.pdf

《一种复杂背景下的人脸检测方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、42传感器与微系统(TransducerandMicrosystemTechnologies)2011年第3O卷第6期一种复杂背景下的人脸检测方法张云龙，谢泽奇，张会敏，董承廷(郑州大学西亚斯国际学院。河南郑州451150)摘要：针对在复杂背景下现有人脸检测算法存在检测率低和误检率高等问题，提出了一种基于改进AdaBoost算法和肤色校验相结合的彩色图像人脸检测方法。首先对传统AdaBoost算法进行了改进，通过改进样本权值参数和弱分类器加权参数，有效地抑制了困难样本权值的过分增大，加强了分类器对样本的识别能力，并提高了系统的检测率；然后将AdaBoost算法检

2、测结果用YCbCr空间的肤色模型进行筛选，过滤误检的非人脸区域，进一步降低误检率。实验结果表明：该方法在复杂背景下极大地保证改进AdaBoost算法的人脸检测速度和准确性的同时，降低了误检率，具有较好的鲁棒性。关键词：人脸检测；AdaBoost算法；肤色模型；样本权值；分类器中图分类号：TP391．41文献标识码：A文章编号：1000-9787(2011)06-0042-03AmethodoffacedetectionundercomplicatedbackgroundZHANGYun—long，XIEZe—qi，ZHANGHui—rain，DONGCheng-

3、ting(SiasInternationalInstituteofZhengzhouUniversity，Zhengzhou451150，China)Abstract：Aimingatresolvingtheproblemsoffacedetectionalgorithmundercomplicatedbackgroundsuchaslowdetectionrateandhighfalse．alarm．rateetc．aneffectivemethodoffacedetectionincolorimagesbasedonimprovedAdaBoostalgor

4、ithmandskincolorispresented．Byimprovingparametersofsampleweightsandweakclassifierweightingvalue，thetraditionalAdaBoostalgorithmhasbeenimproved．Iteffectivelyrestrainstheexcessiveincreaseofweightsofhardsamples，strengthensthecapacityofclassifierforrecognitionofsamplesandthesystemdetecti

5、onrateisincreased．ThedetectionresultisscreenedwithYCbCrspaceskincolormodeltofiltererror—detected“non—face”area．TheexperimentalresultsindicatethatthismethodassuresthefacedetectionspeedandprecisionofimprovedAdaBoostalgorithmundercomplicatedbackground，decreasesthefalse—alarm—rateandhass

6、trongrobustness．Keywords：facedetection；AdaBoostalgorithm；skincolormodel；sampleweights；classifier0引言基础上，提出了一种基于改进AdaBoost算法的级联分类器近年来，人脸检测已经成为模式识别的研究热点之一。和肤色模型校验相结合的人脸检测方法。最后通过实验分人脸检测是实现人脸自动识别的第一步，其实质上是实现析，验证了所提方法在能够提高人脸检测速度的同时，实现人脸与背景(非人脸)分离，从各种不同的背景环境中确定了人脸检测的高检测率与低错误率。人脸的存在，并且确定人脸的数

7、目和位置。目前，人脸检测1改进的AdaBoost算法方法主要有基于知识的方法、基于机器学习的方法、基于模AdaBoost是一种迭代算法J，其核心思想是将多个弱板匹配的方法和类Haar人脸检测法J。其中基于知识的分类器集成成为一个强分类器。在训练过程中，每个训练方法最经典的是肤色检测J，该方法仅仅依据人脸肤色信样本被赋予一个初始权值，当一个弱分类器训练完成后，根息，因而，对于复杂背景中类肤色区域的鲁棒性欠佳。而据其在训练集上的分类结果对所有的样本权值进行调整，ViolaP和JonesM提出了基于AdaBoost算法的人脸检测方使得下一次训练的弱分类器更关注那些被识

8、别错误的样法j，它从根本