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。。。。