当前位置：文档之家 › 基于Adaboost算法的人脸检测研究

基于Adaboost算法的人脸检测研究

  • 格式：pdf
  • 大小：4.11 MB
  • 文档页数：51

华北水利水电学院

硕士学位论文

基于Adaboost算法的人脸检测研究

姓名：张健

申请学位级别：硕士

专业：模式识别与智能系统

指导教师：邱道尹

2011-05华北水利水电学院硕士学位论文

I基于Adaboost算法的人脸检测研究

摘要

人脸检测是从各种不同的背景中检测是否存在人脸，并确定其位置、大小等信息的

过程，其应用已经超出人脸识别的范畴，在基于内容的检索、数字视频处理、视觉监控

方面有着重要的应用价值。根据利用人脸知识的不同，人脸检测方法分为两大类：基于

特征的方法主要是利用人脸的特征，如肤色、几何特征等，把人脸视为一个高维向量，

将人脸检测问题转化为高维空间中分布信号的检测问题。基于学习的人脸检测方法包括

基于人工神经网络的方法、基于支持向量机的方法、基于Adaboost的方法等,它收集大

量的人脸和非人脸样本通过机器学习得到一个分类器，利用分类器进行人脸检测。

本文通过将两种方法进行融合，即通过改进的Adaboost算法和肤色检测相结合来

进行人脸检测，实验证明该方法可以排除误检区域从而降低误检率。主要研究工作如下：

研究了基于Adaboost算法人脸检测的理论及实现，由积分图快速计算出大量类haar特

征，从中提取弱分类器，用Adaboost算法将多个弱分类器训练成一个强分类器，再把

强分类器串联成级联分类器用于人脸检测。改进之处如下：

1、对于Adaboost算法人脸检测存在的误检情况，用肤色模型对图像进行肤色分割，

然后经过膨胀、腐蚀，去除干扰区域，再次膨胀、腐蚀图像操作，确定图像中可能的肤

色区域，通过这些肤色区域验证由分类器得到的人脸区域，从而减少误检。

2、针对训练过程中Adaboost算法的过学习现象，通过调整权重更新规则，提出了

改进的Adaboost算法。

3、检测过程常用的“金字塔式”搜索法速度较慢，本文使用放大检测窗口的的方

法，即不改变待检测图像的大小，而通过改变检测子窗口的大小来对待检测图像进行检

测，提高了检测速度。

关键词：人脸检测，Adaboost算法，肤色检测，积分图，级联分类器华北水利水电学院硕士学位论文

IIISTUDYONFACEDETECTION

BASEDONADABOOSTALGORITHM

ABSTRACT

Facedetectionistodetectfacesfromvariouskindsofbackgroundandcomputesthedata

ofpositionandsize,shape,posture,etc,itsapplicationexceedstherangeoffacerecognition.

Facedetectionplaysanimportantroleinavarietyofapplicationssuchassearchbasedon

content,digitalvideoprocessingandvisualsurveillance.Themethodsoffacedetectioncanbe

classifiedintotwocategoriesonthebasisofthedifferentknowledge.Theonebasedon

characteristicviewsthefaceashighdimensionvectorandturnsfacedetectiontothedetection

ofdistributedsignalinhighdimensionspace.Theotherbasedonlearningincludesthe

methodsbasedonartificialneuralnetwork,supportvectormachineandAdaboost.They

collectalargeamountoffaceandnon-facesamplesandgetaclassifierbymachinelearning

anddetectfacebyusingtheclassifier.

ThispapercombinestwomethodsofimprovedAdaboostandtheskincolordetectionto

detectface.Experimentsshowthatthemethodcanremovethefalsedetectionregiontolower

thefalsedetectionrate.Themainresearchworkisasfollows:studyingthetheoryand

realizationoffacedetectionbasedonAdaboost,computingquicklyalargenumberof

haar-likecharacteristicsbyintegralimage,extractingweakclassifiers,trainingastrong

classifierfromanumberofweakclassifiers,connectingthestrongclassifiersinseriestoform

acascadeclassifierforfacedetection.Theimprovementsareasfollows:

1．ForthecaseoffalsedetectioninfacedetectionbasedonAdaboost,weuseskincolor

segmentationbyaskincolormodeltodetectskinregionsintheimage,obtainpossibleskin

colorregionsbytheoperationsofexpansion,corrosion,removingtheinterferenceregions,the

secondexpansionandcorrosion,checkthefaceregionswhichhavebeenobtainedfrom

classifierbytheskincolorregionstoeliminatethefalsedetection.

2．AimprovedAdaboostalgorithmisproposedbyadjustingtherulesofweighting

updateforthephenomenonofover-learninginthetrainingofAdaboostalgorithm.

3．Thespeedofthecommonpyramidalsearchmethodinfacedetectionisslower.The华北水利水电学院硕士学位论文

IVmethodofenlargingthedetectionwindowwasadoptedinthepaper,itdoesn’tchangethesize

oftheimage,detectstheimagebychangingthesizeofthedetectionwindowandimproves

thedetectionspeed.

KeyWords:facedetection,Adaboostalgorithm,skincolordetection,integralimage,

cascadeclassifier独立完成与诚信声明

本人郑重声明：所提交的学位论文，是本人在指导教师的指导下，独立进行研究工

作所取得的研究成果并撰写完成的。没有剽窃、抄袭等违反学术道德、学术规范的侵权

行为。文中除已经标注引用的内容外，本学位论文中不包含其他人或集体已经发表或撰

写过的研究成果，也不包含为获得华北水利水电学院或其它教育机构的学位或证书所使

用过的材料。对本文的研究做出重要贡献的个人和集体，均已在文中作了明确的说明并

表示了谢意。本人完全意识到本声明的法律后果由本人承担。

学位论文作者签名：保证人（导师）签名：

签字日期：签字日期：

学位论文版权使用授权书

本人完全了解华北水利水电学院有关保管、使用学位论文的规定。特授权华北水利

水电学院可以将学位论文的全部或部分内容公开和编入有关数据库提供检索，并采用影

印、缩印或扫描等复制手段复制、保存、汇编以供查阅和借阅。同意学校向国家有关部

门或机构送交论文原件或复印件和电子文档。（涉密的学位论文在解密后应遵守此规定）

学位论文作者签名：导师签名：

签字日期：签字日期:华北水利水电学院硕士学位论文

11绪论

1.1论文选题的背景及发展情况

广义的人脸识别包括人脸检测、人脸跟踪、人脸鉴别（狭义的人脸识别）和表情、

姿态分析等方面。人脸检测是从各种不同的背景中检测是否存在人脸，并确定其位置、

大小、形状、姿态等信息的过程，其应用已经超出人脸识别的范畴，在基于内容的检

索、数字视频处理、视觉监测方面有着重要的应用价值[1,2]。

Viola等于2001年提出了基于Adaboost算法的人脸检测[3]，它首先采用积分图快

速计算出检测器用到的大量简单特征，从中选出少量的分类能力较强的特征构造出一

系列弱分类器，而后通过Adaboost算法将这些弱分类器构成一个强分类器，最后通过

级联算法将多个强分类器串联成一个更加复杂的人脸检测器[4]。Adaboost算法人脸检

测速度快且性能与人工神经网络方法基本相同[5]，给出了一个稳定、实时的目标检测

框架，是一个实时的人脸检测算法。

20世纪50年代有了一些人脸识别相关的心理学方面的研究，60年代有了人脸工

程学方面的研究，70、80年代开始了机器识别方面的研究，90年代以来随着高性能计

算机的出现，以及图像采集和加工能力的提高，人脸识别方法有了重大突破，逐步进

入了真正的机器自动识别阶段，可以对不同姿态变化、不同光照条件、不同年龄阶段、

不同表情的人脸进行检测与识别[6,7]。

国内外对人脸检测问题研究的很多，国外有麻省理工学院（MIT）,卡内基梅隆大

学（CMU）等；国内有清华大学、北京工业大学、中国科学院自动化研究所等从事人脸

检测方面的研究。并且MPEG7标准组织已经成立了人脸识别小组，人脸检测算法也作

为一项征集的内容[8,9]。

1.2国内外研究现状

国内外许多研究机构开展了人脸检测相关的研究工作，根据利用人脸知识的不同，

可以将人脸检测方法分为两大类：

1.2.1基于特征的人脸检测方法

基于特征的方法主要是利用人脸的特征，如肤色、纹理、几何特征等，把人脸视

做一个高维向量，将人脸检测问题转化为高维空间中分布信号的检测问题。根据使用

合集下载

改进的基于AdaBoost算法的人脸检测方法

改进的基于AdaBoost算法的人脸检测方法

第２４卷第１１期　２００７年１１月　计算机应用研究　Ａｐｐｌｉｃａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　ｏｆ　Ｃｏｍｐｕｔｅｒｓ　Ｖｏ１．２４　Ｎｏ．１１　ＮＯＶ．２００７　

改进的基于ＡｄａＢｏｏｓｔ算法的人脸检测方法　

熊盛武，宗欣露，朱国锋　（武汉理工大学计算机科学－ｈ技术学院，武汉４３００７０）　摘要：针对传统ＡｄａＢｏｏｓｔ算法的不足，分析了训练过程中出现的退化问题及样本权重扭曲的现象，并提出了　解决这一问题的有效方法。该方法对样本权重的更新规则进行了适当的调整，即为每一轮循环设定一个权重更　新阂值，根据样本是否被错误分类以及当前权重是否大于该阈值来更新样本权重，从而限制了困难样本权重的　过分增大。使用该方法训练级联人脸检测器，试验结果表明，该方法较好地解决了传统ＡｄａＢｏｏｓｔ算法所出现的　退化问题。在保证检测率的同时降低了误检率。　关键词：ＡｄａＢｏｏｓｔ；人脸检测；权重调整；退化；级联分类器　中图分类号：ＴＰ３９１．４１　文献标志码：Ａ　文章编号：ｌｏ０１—３６９５（２ｏｏ７）１１—０２９８—０３　Ｉｍｐｒｏｖｅｄ　ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ＡｄａＢｏｏｓｔ　ａｌｇｏｒｉｔｈｍ　ＸＩＯＮＧ　Ｓｈｅｎｇ－ｗｕ，ＺＯＮＧ　Ｘｉｎ—ｌｕ，ＺＨＵ　Ｇｕｏ—ｆｅｎｇ　（Ｓｃｈｏｏｌ　ｏｆＣｏｍｐｕｔｅｒＳｃｉｅ￣ｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ　４３００７０，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇ　ｏｎ　ｔｈｅ　ｄｉｓａｄｖａｎｔａｇｅｓ　ｏｆ　ｃｌａｓｓｉｃａｌ　ＡｄａＢｏｏｓｔ　ａｌｇｏｒｉｔｈｍ，ｔｈｉｓ　ｐａｐｅｒ　ｍａｉｎｌｙ　ａｎａｌｙｓｅｄ　ｔｈｅ　ｉｓｓｕｅｓ　ｏｆ　ｏｖｅｒｆｉｔｔｉｎｇ　ａｎｄ　ｄｉｓｔｏｒｔｉｏｎ　ｏｆ　ｓａｍｐｌｅ　ｗｅｉｇｈｔｓ　ｉｎ　ｔｒａｉｎｉｎｇ　ｐｒｏｃｅｓｓ　ａｎｄ　ｃｏｍｅ　ｕｐ　ｗｉｔｈ　ａ　ｎｅｗ　ｍｅｔｈｏｄ　ｔｏ　ａｖｏｉｄ　ｔｈｅ　ｐｈｅｎｏｍｅｎｏｎ　ｏｆ　ｏｖｅｒｆｉｔｔｉｎｇ．　ｎ１。ｐｒｏｐｏｓｅｄ　ａｐｐｒｏａｃｈ　ｓｅｔ　ａ　ｗｅｉｇｈｔ　ｔｈｒｅｓｈｏｌｄ　ｆｏｒ　ｅａｃｈ　ｌｏｏｐ．ａｎｄ　ｕｐｄａｔｅｄ　ｗｅｉｇｈｔ　ｏｆ　ｓａｍｐｌｅ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｗｈｅｔｈｅｒ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｗｅｉｇｈｔ　ｗａｓ　ｇｒｅａｔｅｒ　ｔｈａｎ　ｔｈｅ　ｔｈｒｅｓｈｏｌｄ，ＳＯ　ｔｈａｔ　ｗｅｉ　ｇｈｔｓ　ｏｆ　ｈａｒｄ　ｓａｍｐｌｅｓ　ｗｏｕｌｄ　ｎｏｔ　ｅｘｐａｎｄ　ｔｏｏ　ｌａｒｇｅ．Ａ　ｃａｓｃａｄｅ　ｆａｃｅ　ｄｅｔｅｃｔｏｒ　ｗａｓ　ｅｓｔａｂｌｉｓｈｅｄ　ｕｓｉｎｇ　ｔｈｅ　ｍｅｔｈｏｄ　Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｎｅｗ　ｍｅｔｈｏｄ　ｗｉｎ　ｎｏｔ　ｌｅａｄ　ｔｏ　ｏｖｅｒｆｉｔｔｉｎｇ　ｌｉｋｅ　ｃｌａｓｓｉｃａｌ　Ａｄａ—　Ｂｏｏｓｔ　ｏｆｔｅｎ　ｄｏｅｓ．ａｎｄ　ｉｔ　ｗｉ１１　ｒｅｄｕｃｅ　ｆａｌｓｅ　ａｌａｉＴｎ　ｒａｔｅ　ｗｈｉｌｅ　ｈｏｌｄｉｎｇ　ａ　ｈｉｇｈ　ｄｅｔｅｃｔｉｏｎ　ｒａｔｅ．　Ｋｅｙ　ｗｏｒｄｓ：ＡｄａＢｏｏｓｔ；ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ：ｗｅｉｇｈｔｓ　ａｄｊｕｓｔｍｅｎｔ；ｏｖｅｒｔｈ：ｃａｓｃａｄｅ　ｃｌａｓｓｉｆｉｅｒ　

融合Adaboost和光流算法的视频人脸实时检测

融合Adaboost和光流算法的视频人脸实时检测

第２９卷第７期　２００８年７月　仪　器　仪　表　学　报　

Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｃｉｅｎｔｉｆｉｃ　Ｉｎｓｔｒｕｍｅｎｔ　Ｖｏ１．２９　Ｎｏ．７　Ｊｕ１．２００８　

融合Ａｄａｂｏｏｓｔ和光流算法的视频人脸实时检测　

龚卫国，桂祖宏，李正浩，辜小花　

（重庆大学光电技术及系统教育部重点实验室重庆４０００４４）　

摘要：提出一种基于ＡｄａＢｏｏｓｔ和光流的融合算法实现视频人脸的实时检测，利用ＡｄａＢｏｏｓｔ算法对人脸进行检测，结合光流算　

法对视频图像帧间的连续性进行估计，获得人脸在图像中的位置。实验证明，本文介绍的人脸检测和追踪的方法利用了Ａｄａ・　Ｂｏｏｓｔ和光流算法各自的优点，一定程度上解决了人脸偏转、部分遮挡、表情变化以及光照等因素对人脸检测的影响。　

关键词：人脸检测；ＡｄａＢｏｏｓｔ；光流；融合算法　中图分类号：ＴＰ２　文献标识码：Ａ　国家标准学科分类代码：５２０．６０４　

Ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ｔｒａｃｋｉｎｇ　ｂａｓｅｄ　ｏｎ　ｆｕｓｉｏｎ　ＡｄａＢｏｏｓｔ　ａｎｄ　

ｏｐｔｉｃａｌ　ｆｌｏｗ　ａｌｇｏｒｉｔｈｍｓ　

Ｇｏｎｇ　Ｗｅｉｇｕｏ，Ｇｕｉ　Ｚｕｈｏｎｇ，Ｌｉ　Ｚｈｅｎｇｈａｏ，Ｇｕ　Ｘｉａｏｈｕａ　

（Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙｆｏｒ　Ｏｐｔｏｅｌｅｃｔｒｏｎｉｃ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｓｙｓｔｅｍ　ｏｆｔｈｅ　Ｅｄｕｃａｔｉｏｎ　Ｍｉｎｉｓｔｒｙ　ｏｆＣｈｉｎａ，　

Ｃｈｏｎｇｑｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ　４０００４４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａ　ｆｕｓｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ＡｄａＢｏｏｓｔ　ａｎｄ　ｏｐｔｉｃａｌ　ｆｌｏｗ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｔｏ　ｄｅｔｅｃｔ　ａｎｄ　ｔｒａｃｋ　ｆａｃｅｓ．Ｉｔ　ｕｓｅｓ　Ａｄａ—　

Ｂｏｏｓｔ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｄｅｔｅｃｔ　ｆａｃｅｓ　ａｎｄ　ａｄｏｐｔｓ　ｏｐｔｉｃａｌ　ｆｌｏｗ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｅｓｔｉｍａｔｅ　ｔｈｅ　ｃｏｎｔｉｎｕｉｔｙ　ｏｆ　ｔｈｅ　ｖｉｄｅｏ　ｆｒａｍｅｓ　ａｎｄ　ｏｂ．－　

基于AdaBoost算法和人眼定位的动态人脸检测

基于AdaBoost算法和人眼定位的动态人脸检测

ｌ　Ｖｉｄｅｏ　ａｐｐｌｉｃａｔｉｏｎ　ｐｒｏｉｅｃｔ　

ｌ鲤　厘旦量　壁　

文章编号：１００２—８６９２（２０１　１）０９—０１ｌ４—０４　

基于ＡｄａＢｏｏｓｔ算法和人眼定位的动态人脸检测　

徐品，童癸，瞿静　（中国传媒大学信息工程学院，北京１０００２４）　

【摘要】在快速人脸检测算法中，基于ＡｄａＢｏｏｓｔ算法的人脸检测算法得到越来越多的认可。然而，该算法在复杂环境下常有误检　的情况。为了既快速又能提高检测的准确率，提出了以人眼定位的算法作为辅助的人脸检测算法。首先应用ＡｄａＢｏｏｓｔ算法检测人　脸的位置，然后再利用改进的模板匹配算法对人眼进行快速识别与定位。在人眼检测方面，利用金字塔算法加快了检测速度。实验　表明，该方法可减少ＡｄａＢｏｏｓｔ算法的误检率。　【关键词】人脸检测；Ｈａａｒ—ｌｉｋｅ特征；ＡｄａＢｏｏｓｔ算法；人眼定位　【中图分类号】ＴＰ３９１．４１　【文献标识码】Ａ　

Ｆａｃｅ　Ｄｅｔｅｃｔｉｏｎ　ｉｎ　Ｖｉｄｅｏ　Ｂａｓｅｄ　ｏｎ　ＡｄａＢｏｏｓｔ　Ａｌｇｏｒｉｔｈｍ　ａｎｄ　Ｅｙｅ　Ｌｏｃａｔｉｏｎ　

ｘｕ　Ｐｉｎ，ＴＯＮＧ　Ｇｕｉ，ＱＵ　Ｊｉｎｇ　（Ｓｃｈｏｏｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｃｈｉｎａ，Ｂｅ　ｎｇ　１０００２４，Ｃｈｉｎａ）　【Ａｂｓｔｒａｃｔ】ＡｄａＢｏｏｓｔ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ｂｅｅｎ　ａｐｐｒｏｖｅｄ　ｉｎ　ｆａｓｔ　ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ　ｂｙ　ｍｏｒｅ　ｐｅｏｐｌｅ．Ｈｏｗｅｖｅｒ，ｔｈｉｓ　ａｌｇｏｒｉｔｈｍ　ｏｆｔｅｎ　ｈａｓ　ｆａｌｓｅ　ｄｅｔｅｃｔｉｏｎ　ｉｎ　ｃａｓｅ　ｏｆ　ｔｈｅ　ｃｏｍｐｌｅｘ　ｅｎｖｉｒｏｎｍｅｎｔ．Ｉｎ　ｏｒｄｅｒ　ｔｏ　ａｃｈｉｅｖｅ　ｂｏｔｈ　ｆａｓｔ　ａｎｄ　ａｃｃｕｒａｃｙ　ｄｅｔｅｃｔｉｏｎ，ａ　ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄ　ｗｉｔｈ　ｈｕｍａｎ　ｅｙｅ　ｌｏｃａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ａｓ　ｔｈｅ　ａｕｘｉｌｉａｒｙ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ａｔ　ｆｉｒｓｔ，ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ　ｉｓ　ｒｅａｌｉｚｅｄ　ｕｓｉｎｇ　ｔｈｅ　ＡｄａＢｏｏｓｔ　ａｌｇｏｒｉｔｈｍ，ｔｈｅｎ　ｔｈｅ　ｆａｓｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ｂｙ　ｔｈｅ　ｉｍｐｒｏｖｅｍｅｎｔ　ｔｅｍｐｌａｔｅ　ｍａｔｃｈ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｔｈｅ　ｈｕｍａｎ　ｅｙｅｓ．Ｉｎ　ｔｈｅ　ｈｕｍａｎ　ｅｙｅ　ｄｅｔｅｃｔｉｏｎ，ｔｈｅ　ｅｘａｍｉｎａｔｉｏｎ　ｃａｎ　ｂｅ　ｓｐｅｄ　ｕｐ　ｕｓｉｎｇ　ｔｈｅ　ｐｙｒａｍｉｄ　ａｌｇｏｒｉｔｈｍ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｉｓ　ｍｅｔｈｏｄ　ｃａｎ　ｒｅｄｕｃｅ　ｔｈｅ　ｆａｌｓｅ　ｄｅｔｅｃｔｉｏｎ　ｒａｔｅ　ｏｆ　ｔｈｅ　ＡｄａＢｏｏｓｔ　ａｌｇｏｒｉｔｈｍ．　【Ｋｅｙ　ｗｏｒｄｓ】ｆａｃｅ　ｄｅｔｅｃｔｉｏｎ；Ｈａａｒ—ｌｉｋｅ　ｆｅａｔｕｒｅｓ；ＡｄａＢｏｏｓｔ　ａｌｇｏｒｉｔｈｍ；ｅｙｅ　ｌｏｃａｔｉｏｎ　

基于Adaboost的人脸感兴趣区域编码

基于Adaboost的人脸感兴趣区域编码

Ｍｉｃｒｏｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　Ｖｏ１．２４，Ｎｏ．１２，２００８　技术交流　微型电脑应用　２００８年第２４卷第ｌ２期　

文章编号：１００７．７５７Ｘ（２００８）１２．００４４—０２　

基于Ａｄａｂｏｏｓｔ的人脸感兴趣区域编码　

卞国磊庞小红　

摘要：在分析ＪＰＥＧ２０００标准感兴趣区域（ＲｅｇｉｏｎｏｆＩｎｔｅｒｅｓｔ—ＲｏＩ）编码的基础上，提出一种结合ＡｄａＢｏｏｓｔ算法的自动人脸　感兴趣区域编码方法。该方法通过ＡｄａＢｏｏｓｔ算法检测定位图像中的人脸区域，动态生成感兴趣区域掩膜，然后采用ＪＰＥＧ２０００　中最大位移￣（Ｍａｘｓｈｉｆｔ）进行感兴趣区域编码。实验仿真结果验证了该方法的有效性和可行性。　关键字：ＪＰＥＧ２０００；感兴趣区域编码；ＡｄａＢｏｏｓｔ　．　中图分类号：ＴＰ３１７．４　文献标识码：Ａ　

０　引言　

感兴趣区域（ＲＯＩ）编码是静止图像国际压缩标准　

ＪＰＥＧ２０００中规定的一个新的方面，成为当今一大研究热点。　当前对于ＲＯＩ图像编码的研究大都是在人为手动选择ＲＯＩ　的前提下，侧重对编码算法““　和多ＲＯＩ编码““　的研究，　并取得了很大的进步。文献“　提出了一种将对图像的中央凹　

处理思想与ＪＰＥＧ２０００图像标准相结合的感兴趣区域编码实　现方法；文献　根据ＳＰＩＨＴ编码方法的特性、ＲＯＩ区域小波　系数提升后整幅图像小波系数的特点及人眼视觉特性，提出　改进算法，同时提出质量等级因子的概念并给出了其数学表　

达式；文献　结合ＧＳＢＭ方法和ＭＡＸＳＨＩＦＴ方法的优点，提出　了一种新的灵活的位移方法，即ＰＳＢＳＨＩＦＴ（Ｐａｒｔｉａｌ　

Ｓｉｇｎｉｆｉｃａｎｔ　Ｂｉｔｐｌａｎｅｓ　Ｓｈｉｆｔ），能够有效地压缩多个优先　级别不同的感兴趣区域。文献　提出一种通用的部分位平面　

偏移方法（ＧＰＢＳｈｉｆｔ），可克服ＪＰＥＧ２０００中定义的两种标准　感兴趣区域（ＲＯＩ）编码方法的局限性，该方法将ＲＯＩ系数和