基于AdaBoost的人眼檢測優(yōu)化算法.pdf

1、人眼檢測是人臉識別和追蹤技術(shù)的關(guān)鍵，具有重要的研究價值和應(yīng)用前景，在疲勞檢測、眼動跟蹤等領(lǐng)域都有所體現(xiàn)。眼睛對外界的變化敏感而且反應(yīng)快速，所傳達的信息豐富而復(fù)雜，所以基于視覺機制的研究至今都是一個富有挑戰(zhàn)性的課題。
　　人眼檢測因其重要的研究價值一直倍受研究者們的追捧，也不斷涌現(xiàn)出了多種多樣效果不錯的檢測算法。根據(jù)在實際應(yīng)用中的需求可將人眼檢測分為粗略檢測和精確檢測兩大類別，但是每種算法都有其優(yōu)缺點，在這些算法中基于Haar-li

2、ke特征的AdaBoost及其改進算法是最成功也是應(yīng)用最為廣泛的算法之一。
　　本文對基于AdaBoost的人眼檢測算法作出了優(yōu)化。首先經(jīng)過對AdaBoost算法的仔細分析和研究，對傳統(tǒng)的AdaBoost算法的權(quán)值更新規(guī)則作了優(yōu)化，使其在訓(xùn)練樣本時不會出現(xiàn)退化現(xiàn)象；其次對AdaBoost分類器的訓(xùn)練樣本選取作了分析，并選定幾組不同的正負樣本組合進行了檢測實驗，從實驗結(jié)果中得出一組最佳的樣本組合方式。
　　經(jīng)過上述的研究，提出

3、一種改進的AdaBoost人眼檢測算法。分別使用上述的最佳正負樣本選取方式挑選雙眼和單眼樣本，并分別訓(xùn)練出雙眼和單眼分類器，將兩種分類器級聯(lián)作為一個雙層的“眼睛分類器”，將此“眼睛分類器”作為整個檢測結(jié)構(gòu)的一個強分類器使用，再級聯(lián)多個強分類器構(gòu)成檢測系統(tǒng)。在雙層結(jié)構(gòu)的第一層有效的排除了誤檢的人眼圖片，提高了第二層的準確率。該系統(tǒng)縮短了檢測時間并降低了誤檢率，對眼睛的準確定位有很大提升。
　　人眼檢測最大的問題是檢測的準確率和速度，