一种改进的adaboost算法在人脸检测系统中的应用

《一种改进的adaboost算法在人脸检测系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一种改进的AdaBoost算法在人脸检测系统中的应用一种改进的AdaBoost算法在人脸检测系统中的应用ApplicationofImprovedAdaBoostAlgorithminFaceDetectionSystem王帅施国生魏秀金(浙江理工大学信息电子学院，浙江杭,j,lt310018)摘要针对复杂背景条件下人脸检测的检测率低、速度慢的问题，提出了一种改进的AdaBoost算法，与遗传算法相结合，产生了一种识别率高、泛化能力好的强分类器，文中称之为GA—AdaBoost算法。该算法首先训练多个支持向量

2、机作为弱分类器，然后用AdaBoost算法将多个弱分类器组合成一个强分类器，在组合的同时采用遗传算法对各弱分类器的权值进行全局寻优。最后，通过试验与传统AdaBoost进行对比，表明了该算法具有识别率高和速度快的优越性。关键词：人脸检测，级联分类器，支持向量机，遗传算法，识别率AbstractTosolvetheproblemthatthefacedetectionisslowanditsrateislowincomplicatedbackground，thispaperpresentsanalgorithm

3、namedGA—AdaBoost．usinggeneticalgorithmtoimprovetheperformanceofAdaBoost，hasadvantagesofhigheridentificationrateandbettergeneralizationperformance．Thealgorithmfirsttrainssomesupportvectormachinesasweakclassifiers．andthenusesAdaBoostalgorithmtoembodytheweakcl

4、assifiersintoastrongclassifier，whileusinggeneticalgo-rithmtooptimizeweightsofweakclassifiersforglobaloptimizationExperimentalresultdemonstratesthatGA—AdaBoostachievedbettergeneralizationperformanceandhigheridentificationratethantheexistingAdaBoostmethodsKey

5、words：facedetection．cascadeclassifier，SVM，geneticalgorithm，recognitionrate在过去的十多年中，由于人脸检测在机器视觉中的广阔应1．2支持向量机用前景，学者们已对其进行了广泛的研究。人脸检测(Face支持向量机(SVM)方法是从线性可分情况下的最优分类面Detection)是指在输入图像中确定所有人脸(如果存在)的位发展而来的。它首先由Vaplink等人利用结构风险最小化置、大小、位姿的过程，在人机界面、安全访问、视觉监控以及基(Struc

6、turalRiskMmization，SRM)原则提出，实际上是解决于内容的检索等领域有广泛的应用，具有重要的研究意义。2001一个带不等式约束的二次凸规划问题。最初研究的是针对模式年，PaulViola和MichaelJones率先将AdaBoost算法引入识别中的两类问题，其基本思想是对于非线性可分样本，SVM人脸检测的研究，他们文章的发表是人脸检测研究的一个里程首先通过非线性变换将输入空间变换到一个高维特征空间，然碑。AdaBoost算法有着许多优点，但也存在着一些不足。在前人后在这个新空间中求得最优线

7、性分类面将不同类样本分开，而研究工作基础之上，针对AdaBoost算法中存在的不足，本文提这种非线性变换是通过定义适当内积核函数实现的。常用的核出一种改进的AdaBoost算法，采用基于RBF核的SVM作为函数有：多项式核函数、RBF(高斯径向基)核函数、ERBF(指数AdaBoost的弱分类器，结合遗传算法优化弱分类器权值，从而径向基)核函数。本文提出算法的弱分类器是RBF核函数，支持使得集成后的强分类器有更好的准确度和泛化能力。向量对应于输入空间中RBF核函数的中心。1基本原理2GA—AdaBoost改进

8、算法遗传算法求解问题的基本思想是：将问题的解空间映射成本文提出的GA—AdaBoost算法采用RBF核的SVM作为某种编码空间，用个体(染色体)的适应函数值作为评价个体优弱分类器，RBF核的SVM的分类能力强弱取决于两个参数，一劣的标准。在进化计算过程中，不断通过选择、交叉及变异操作是惩罚因子C，二是核参数6，参数取值不同，对应的分类器性产生新的较优个体，最终得到全局最优解。质以及推广识别率也将有很