Adaboost 人脸检测基本原理

Adaboost 人脸检测基本原理
1. 1 　特征的选取及特征值的计算
　　在人脸检测过程中,需要对候选图像进行分析,
判断是否为人脸,多数人脸检测系统都是使用特征
对人脸模式进行建模,这些特征都应有一定的人脸
和非人脸区分性. Adaboost 用于人脸检测时,需要从
人脸中抽取大量的简单特征. 本检测器选择由Rain2
er Lienhart [2 ]等人提出的扩展的Haar2like 特征,如
图1～3 所示.

                                         图1 　边界特征
每个特征由2～3 个矩形组成,分别检测边界、
细线、中心特征,这些特征可表示为:

 

                                          图2 　线特征

 

                                            图3 　中心特征

 

式中:ωi 为矩形的权,RecSum( ri) 为矩形ri 所围图
像的灰度积分, N 是组成feature j 的矩形个数.
1. 2 　Adoboost 算法
Adaboost 算法是一种分类器算法,其基本思想
是利用大量的分类能力一般的简单分类器( basic
classifier) 通过一定的方法叠加(boost ) 起来,构成一
个分类能力很强的强分类器( stage classifier) ,再将
若干个强分类器串联成为分级分类器(classifier cas2
cad