基于特征裁剪的双阈值Adaboost人脸检测算法

doi:10.3969/j.issn.1006-2475.2014.08.011

计算机与现代化

基于特征裁剪的双阈值Adaboost人脸检测算法

(1.河海大学计算机与信息学院，江苏南京211100；2.三江学院电气与自动化工程学院,江苏南京210012)

收稿日期:2014-05-07 出版日期:2014-08-15 发布日期:2014-08-19
作者简介:沈科磊(1989-),男，浙江宁波人，河海大学计算机与信息学院硕士研究生，研究方向：模式识别；杨正理(1971-),男,江苏南京人，三江学院电气与自动化工程学院，讲师，硕士，研究方向：模式识别，嵌入式系统软硬件设计；欧阳广帅(1989-),男,江苏徐州人，硕士研究生，研究方向：模式识别。

Dual-threshold Adaboost Face Detection Algorithm Based on Feature Pruning

(1. College of Computer and Information, Hohai University, Nanjing 211100, China;

2. College of Electrical Engineering and Automation, Sanjiang University, Nanjing 210012, China)

Received:2014-05-07 Online:2014-08-15 Published:2014-08-19

摘要/Abstract

摘要：

针对传统Adaboost算法存在训练耗时长的问题，提出一种基于特征裁剪的双阈值Adaboost算法人脸检测算法。一方面，使用双阈

值的弱分类器代替传统的单阈值弱分类器，提升单个弱分类器的分类能力；另一方面，特征裁剪的Adaboost算法在每轮训练中仅仅利用

错误率较小的特征进行训练。实验表明基于特征裁剪的双阈值Adaboost人脸检测算法通过使用较少的特征和减少训练时的特征数量的方

式，提高了算法的训练速度。

关键词: 人脸检测, Adaboost；特征裁剪；双阈值

Abstract:

Aiming at the problem of too much training time by using traditional Adaboost, this paper proposes a

novel dual-Adaboost face deteetion algorithm based feature pruning. On the one hand, the usage of dual-threshold

weak classifiers which replaced the traditional single-threshold weak classifier improves the classification

capability on individual weak classifier. On the other hand, the algorithm uses only the samples with small error

rate to train the weak classifier. Experimental results show that the training speed is increased by using less

features and a small proportion of the features in this dual-Adaboost algorithm.

Key words: face detection, Adaboost, feature pruning, dual-threshold

中图分类号:

TP301.6

沈科磊1，杨正理2，欧阳广帅1. 基于特征裁剪的双阈值Adaboost人脸检测算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2014.08.011.

SHEN Ke-lei1, YANG Zheng-li2, OUYANG Guang-shuai1. Dual-threshold Adaboost Face Detection Algorithm Based on Feature Pruning[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2014.08.011.

参考文献［18］

［1］	Freund Y, Schapire R E. A short introduction to boosting［J］. Journal of Japanese Society for Artificial
	Intelligence, 1999,14(5):771-780.
［2］	廖红文,周德龙. Adaboost及其改进算法综述［J］. 计算机系统应用, 2012,21(5):240-244.
［3］	缪丹权,郑河荣,顾国民. 基于优化加权参数的AdaBoost人脸检测算法［EB/OL］.
	http://d.wanfangdata.com.cn/Periodical_pre_7abaaa43-f8fe-42e3-be76-206ecf9de841.aspx, 2013-02-20.
［4］	王海川,张立明. 一种新的Adaboost快速训练算法［J］. 复旦学报（自然科学版）, 2004,43(1):27-33．
［5］	Zhang Huaxun, Xie Yannan, Xu Cao. A classifier training method for face detection based on AdaBoost［C］//
20	11 International Conference on Transportation, Mechanical and Electrical Engineering. 2011:731-734．
［6］	Viola P, Jones M. Rapid object detection using a boosted cascade of simple features［C］// Proceedings of
	the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2001，1:511-518.
［7］	孙宁,邹采荣,赵力. 人脸检测综述［J］. 电路与系统学报, 2006,11(6):101-108.
［8］	贾慧星,章毓晋. 基于动态权重裁剪的快速Adaboost训练算法［J］. 计算机学报, 2009,32(2):336-341.
［9］	孟子博,姜虹,陈婧,等. 基于特征剪裁的AdaBoost算法及在人脸检测中的应用［J］. 浙江大学学报（工学版）， 2013,47
(5)	:906-911.
［10］	魏冬生,李林青. Adaboost人脸检测方法的改进［J］. 计算机应用, 2006,26(3):619-621.
［11］	房宜汕. 基于改进Adaboost的快速人脸检测算法［J］. 计算机应用与软件, 2013,30(8):271-274.
［12］	丁知平. 基于改进的Adaboost人脸检测算法的研究［J］. 现代计算机， 2013(22):9-13.
［13］	梁路宏,艾海舟,徐光佑,等. 人脸检测研究综述［J］. 计算机学报, 2002,25(5):449-458.
［14］	严云洋. 图像的特征抽取方法及其应用研究［D］. 南京：南京理工大学， 2008.
［15］	张君昌,张译. 基于改进AdaBoost算法的人脸检测［J］. 计算机仿真, 2011,28(7):240-244.
［16］	严云洋,郭志波,杨静宇. 基于双阈值的增强型AdaBoost快速算法［J］. 计算机工程, 2007,33(21):172-174.
［17］	Chen Shigang, Ma Xiaohu, Zhang Shukui. AdaBoost face based on haar-like intensity features and
	multithreshold features［C］// 2011 International Conference on Multimedia and Signal Processing. 2011,1:251-255.
［18］	张良. 基于AdaBoost算法的人脸检测技术研究［D］. 石家庄：河北师范大学， 2012.

[1]	胡骞鹤1，方书雅1，刘守印1，李纪平2. 基于教室监控视频的学生位置检测和人脸图像捕获算法[J]. 计算机与现代化, 2019, 0(12): 60-.
[2]	周慧娟，张强，刘羽，王旭阳，柳颖. 基于YOLO2的地铁进站客流人脸检测方法[J]. 计算机与现代化, 2019, 0(10): 76-.
[3]	詹伟，张科，徐焕，罗弦，龙霏，纪依依. 一种基于扩散速度的移动应用端活体人脸识别技术[J]. 计算机与现代化, 2019, 0(03): 28-.
[4]	郑健,王志明,张宁. 一种基于深度学习的改进人脸识别算法[J]. 计算机与现代化, 2018, 0(12): 90-.
[5]	戴海能,茅耀斌. 一种改进的基于R-FCN模型的人脸检测算法[J]. 计算机与现代化, 2018, 0(08): 12-.
[6]	刘铎. 基于CUDA的实时人脸识别系统[J]. 计算机与现代化, 2015, 0(6): 122-126.
[7]	孙立超;张盛兵;程训焘;张萌. 基于CUDA的快速人脸检测算法[J]. 计算机与现代化, 2013, 1(8): 11-14.
[8]	徐菲;李玉鑑. 改进的ASM人脸特征定位方法及其应用[J]. 计算机与现代化, 2013, 218(10): 38-41.
[9]	刘在英;杨平;张丽晓. 基于肤色模型和高斯分布的多人脸检测方法[J]. 计算机与现代化, 2013, 218(10): 30-34.
[10]	李晓丽;邵叶秦;罗敏. 基于FR的远程考试身份认证系统研究[J]. 计算机与现代化, 2012, 1(200): 167-04.
[11]	邱鹏瑞. 基于YCbCr肤色模型改进算法及区域特征的人脸检测研究[J]. 计算机与现代化, 2012, 1(200): 179-04.
[12]	张亚南;张作. 人脸检测与跟踪技术综述[J]. 计算机与现代化, 2012, 208(12): 60-65.
[13]	邱伟. 一种基于FKT算法的人脸表情识别方法[J]. 计算机与现代化, 2011, 1(1): 121-3.
[14]	李先锋;花小朋;赵峰;孔令东. 基于AdaBoost算法的人脸检测在嵌入式系统中的实现[J]. 计算机与现代化, 2010, 1(8): 143-146.
[15]	谢明华;刘辉;王新辉. 基于OpenCV的实验室视频签到系统的设计[J]. 计算机与现代化, 2010, 1(3): 78-3.

基于特征裁剪的双阈值Adaboost人脸检测算法

Dual-threshold Adaboost Face Detection Algorithm Based on Feature Pruning

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献［18］

相关文章 15

编辑推荐

Metrics

本文评价

基于特征裁剪的双阈值Adaboost人脸检测算法

Dual-threshold Adaboost Face Detection Algorithm Based on Feature Pruning

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献 ［18］

相关文章 15

编辑推荐

Metrics

本文评价

参考文献［18］