学习记录：基于adaboost的人脸检测

参考：

基于 AdaBoost 算法的人脸检测  北京大学  赵楠

csdn博客：http://blog.csdn.net/watkinsong/article/details/7631241

最近在看基于adaboost的人脸检测，因为数学基础较差，所以比较吃力，花费了好长时间，终于有了 一些眉目。      知道自己各方面都很差，所以开始以博客的形式记录下学习的历程。

boosting方法

boosting本意指增加发动机的压力，而boosting方法是指通过融合多个分类器，大大提高分类的性能。-------摘自《模式识别》

adaboost

由于自己基础很差，看了很多网上的资料及介绍adaboost算法的博客都没能明白。就翻看以前学过的《模式识别》，居然真的找到了adaboost的介绍，虽然介绍相对简单，但还是大致明白了。

以下是书上关于adaboost算法的描述：

（由于公式没法编辑，求和类的在后面括号内写了取值范围）

设给定N个训练样本{x1、x2、、、、xn}，用fm(x)∈{-1,1}（m=1、、、M）表示M个弱分类器在样本x上的输出：

1，初始化训练样本（x1、x2、、、、xn）的权重wi=1/N，i = 1….N。

2，利用m=1→M，重复以下过程：

(1) 利用{wi}加权后的训练样本构造分类器fm(x)∈{-1,1}。

(2) 计算样本用{wi} 加权后的分类错误率em,并令cm=log((1-em)/em).           cm即为分类器权值。

(3) 令wi=wi exp [ cm 1（yi≠fm（xi））],i=1,2…N,并归一化使 ∑wi=1（i从1到N）。    1（yi≠fm（xi）表示当yi≠fm（xi）时取1，否则取0.

3，对于待分类样本x，分类器输出为： sgn[∑fm（x）]（m从1到M）

矩形特征

AdaBoost算法的实现，采用的是输入图像的矩形特征，也叫Haar特征。

常用矩形特征有三种

分别表示边缘特征、线性特征和特定方向特征。

特征模板的特征值定义为：白色矩形像素和减去黑色矩形像素和。

求滑动子窗口中的矩形特征数量