基于Adaboost算法的人脸检测研究及实现(18)

基于Adaboost算法的人脸检测研究及实现

西安理工大学硕士学位论文

２．４．１检测机制

训练样本的大小决定了弱分类器处理对象的大小。课题中选用的训练样本图像大小

为２４Ｘ２４，理论上弱分类器也只能检测２４Ｘ２４左右大小的人脸。但是实际图片中人脸

的大小有很大变化范围，图２一１４中用黑线框住了５个人脸，各人脸的大小不尽相同。为

了能够检测出各种尺度大小的人脸，这里还需引入多尺度检测机制。

图２－１４岔有不Ｉ司大小人脸的图像

Ｆｉ贮一１４ｄｉｆｆｅｒｅｎｔｓｉｚｅｓｏｆｆａｃｅｓｉｎａｉｍａｇｅ

常用的尺度变化方法有多种，但是为了保证检测速度，这里有两种方法可供参考：

一种方法是将分类器的尺度进行变换，同时还需要改变弱分类器的域值，实现起来复杂，

但检测速度较快。另一种方法是对图像在不同尺度下抽样，这种方法实现起来简单，但

是比前一种方法稍微费时。

以一幅４８×４８的人脸图像为例，第一种尺度变换方法仅对弱分类器的参数进行变

换：检测时各弱分类器所对应的ｈａａｒ特征的位置参数将放大到原来的２倍，域值参数则

要放大到原来的４倍，方向参数不变。这样的过程需要不停的对弱分类器变化操作，实

现起来较复杂，但是检测速度较快。

图２ １５分类器放大

Ｆｉ醇一１５ｃｌａｓｓｉｆｉｅｒｍａｇｎｉｆｙ

第二种方法首先要对目标图像进行抽样操作，将一幅４８Ｘ４８的图像抽样成为２４Ｘ

２４的过程实现起来非常快速，但是由于ｈａａｒ特征是基于积分图像生成的，整个过程的计

算量将因为重复计算而加大。

１４