基于adaboost算法的人脸检测课件

基于adaboost算法的人脸检测基于adaboost算法的人脸检测基于Adaboost算法的人脸检测简介基于Adaboost算法的2人脸检测人脸检测acedetection)是指对于任意一幅给定的图像,采用一定的策略对其进行搜索以确定其中是否含有人脸,如果是则返回人脸的位置、大小和姿态令典型的方法有模板法、基于示例学习、基于器官特征的方法、神经网络、彩色信息+形状分析、Adaboost的方法等等人脸检测3矩形特征,也叫Har-Like特征。在Adaboost算法中使用矩形特征作为特征模板。用一个5元组表示一个矩形特征(x,y,w,h,angle,其中(×,y)为矩形的左上角位置,Ww,;h)为矩形的宽和高,angle表示矩形的旋转角度。计算一个矩形特征对应的特征值有几种方法,例如,黑色部分与白色部分像素和的差、黑色部分与整个矩形面积的权重差等等。矩形特征,也叫Har-Like特征。在Adaboost4我们主要考虑以下四种举行特征(只含0ang!e特征,不包含45angle类型的矩形特征)〓三(A)(B)我们主要考虑以下四种举行特征(只含05将haar特征这种反映图像中灰度分布特点的特性引入人脸检测问题当中,问题就转换成如何找到较好的haar特征对人脸图像灰度分布的特点进行描述。下图中的3个特征就能很好的描述图像中人脸的眼部的灰度的分布特点。(b)特征2c)特征3图5一种har特征举例将haar特征这种反映图像中灰度分布特点的特性6满足(s,t)条件的矩形的数量计算对于m×n子窗口,我们只需要确定了矩形左上顶点和右下顶点,即可以确定一个矩形;如果这个矩形必须满足下面两个条件(称为(s,t)条件):(1)方向边长能被自然数s整除(2)y方向边长能被自然数t整除。满足(s,t)条件的矩形称为条件矩形。满足(s,t)条件的矩形的数量计算7y首先,确定左上角位置,则左上角可以选择的位置范围为xu∈{1,2,…,m-S,m-S+1yu∈{l,2,……,n-t,n-t+1}φ其次,根据左上角位置限定右下角位置范围为xDE{xm+-,xm+2s-1,…,x+(P-1,s-1,x+ps-1yRpEyu+t-1,y+2t-1,w+(q-1).t-1,yw+qt-1)其中:7-y首先,确定左上角位置,则左上角可以选择的位置8(mn)图像窗口内满足(s,1)条件的矩形特征的数目:m-s+In-t+I∑∑tm-x1,+1+1s+1t+1十∴十S公式(1)(mn)图像窗口内满足(s,1)条件的矩形特征的数目:9所以m×n子窗口中所有四种特征模板的特征总数量,就是满足四个(s,t)条件的矩形特征的数量的总和,即(1,2(2,1)(1,3)(3,1)代入公式(1)即可求得条件矩形的特征数量总和所以m×n子窗口中所有四种特征模板的特征总10积分图:利用矩形特征来计算选取人脸的特征有一种非常快速的算法,这种算法使用了一种间接的图像表示方法,称之为积分图。在一张积分图上,点(X,y)的积分值ⅲ(xy)是原图像上该点的上方和左方所有点的亮度值的和。即∑ⅸ(x,y)x<r,y<其中ⅱ(x,y)为积分图,(x,y)为原始图像。积分图:利用矩形特征来计算选取人脸的特11基于adaboost算法的人脸检测课件12基于adaboost算法的人脸检测课件13基于adaboost算法的人脸检测课件14基于adaboost算法的人脸检测课件15基于adaboost算法的人脸检测课件16基于adaboost算法的人脸检测课件17基于adaboost算法的人脸检测课件18基于adaboost算法的人脸检测课件19基于adaboost算法的人脸检测课件20基于adaboost算法的人脸检测课件21基于adaboost算法的人脸检测课件22基于adaboost算法的人脸检测课件23基于adaboost算法的人脸检测课件24基于adaboost算法的人脸检测课件25基于adaboost算法的人脸检测课件26基于adaboost算法的人脸检测课件27基于adaboost算法的人脸检测课件28基于adaboost算法的人脸检测课件29基于adaboost算法的人脸检测课件30基于adaboost算法的人脸检测课件31基于adaboost算法的人脸检测课件32基于adaboost算法的人脸检测课件33基于adaboost算法的人脸检测课件34基于adaboost算法的人脸检测课件35基于adaboost算法的人脸检测课件36基于adaboost算法的人脸检测课件37基于adaboost算法的人脸检测课件38基于adaboost算法的人脸检测课件39基于adaboost算法的人脸检测课件40基于adaboost算法的人脸检测课件4131、只有永远躺在泥坑里的人，才不会再掉进坑里。——黑格尔

32、希望的灯一旦熄灭，生活刹那间变成了一片黑暗。——普列姆昌德

33