大体0人脸类其他adaboost.pdfVIP

人脸检测

•人脸检测(facedetection)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。

•典型的方法有模板法、基于示例学习、基

于特征的方法、神经网络、彩色信息+

形状分析、AdaBoost的方法等等。

Adaboost算法基本原理

•强分类器：如果一个学习算法通过一组样本的学

习后，能够达到理想的识别率，则称它为强分类

器。

•弱分类器：如果一个学习算法的识别率仅好于随

机的猜测，则称其为弱分类器。

通常，针对一个具体的识别问题，我们很难

找到一个理想的强分类器，但是弱分类器一般都

会很多，基于这种现象，Freund和Schapire提出

了Adaboosting算法：通过一定的算法可以将一组

弱分类器提升为一个强分类器。

Adaboost算法的具体描述如下：

(x,y),...,(x,y)x

输入：一组训练集：11nn，其中为样

i

yy(0,1)

本描述，为样本标识，；其中0，1分

ii

别表示正例子和反例。在人脸检测中，可以定

义0为脸，1为人脸。

1

w。

初始化：初始样本权值设为1,j

n

对t1,2,...,T，循环执行下面的步骤：

1.归一化权重：w

t,i

qt,in

j1wt,j

2.对每个特征f，训练一个弱分类器h(x,f)；计算所有特

征的弱分类器的错误率

q|h(x,f)−y|

fiii

3.选取最佳弱分类器h(x)，按最小错误率。

t

minq|h(x,f)−y|q|h(x,f)−y|

ffiiiiiti

h(x)h(x,f)

tt

4.按照这个最佳弱分类器，调整权重：



1−et

wt+1,iwt,iti