2015.11.21----<<robust real time face detection>>论文笔记

百度文库文章链接：

http://wenku.baidu.com/view/4bf66524a5e9856a561260c9.html

Abstract:

三个重要贡献：
1.一种新的图像表示方法：图像积分，在此表示方法下计算更快。

2.用Adaboost 学习算法建立的简单高效的分类器。

3.集中分类器到有效的地方------高度可能出现人脸处，弃置其他地方。

图像积分：

 特征：

A,B：双矩形特征：等大小两块矩形区域内像素的差异。

C：三矩形特征；等大小三块矩形区域内像素的差异。

D：四矩形特征；等大小四块矩形区域内像素的差异。

上述表述了图像积分的定义，以及一些简单计算。s是行像素和。-1代表最左（下）。下图是图像积分定义：

分类器：

1.使用adaboost分类器：adaboost分类器原本是基于多个弱分类器的二元分类。

这里将各个弱分类器赋予不同的权值再加以组合。Adaboost 算法的错误率可以按指数趋近于0；

以下是算法：

此算法是在众多的弱分类器中选择那些重点的分类器。尽管adaboost算法很高效，然而弱分类器集太过庞大。

Adaboost的关键优势在于学习的速度。每一轮中之前挑选出的特征都可以有效又简洁地编码出来。

有效集：

多个弱分类器组合起来，对样本集”层层盘剥“，使得效率提高。

以下是算法：

实验结果。。。

综述。。。。