基于级联Adaboost和神经网络主元分析算法的人脸检测系统

摘要：

针对人脸检测过程中难以区分人脸与非人脸等问题,提出了一种基于级联Adaboost 和神经网络主元分析(PCA)算法的人脸检测新方法以提高人脸检测的正确率.采用两级检测器对人脸进行区分检测:首先将计算速度较快的Adaboost算法作为第一级检测器对人脸图像快速扫描,对所有判断为人脸的窗口进行合并.然后将合并的窗口提取特征并送入作为第二级检测器的PCA进行验证,排除那些不可能是人脸模式的窗口.最后经过PCA检测结果判别输出验证后的人脸窗口参数(包括窗口的大小和位置信息).不同算法检测结果显示,基于本方法的人脸检测正确率达到了92.6%,检测率为94.1%;基于Adaboost检测正确率为62.5%,检测率为88%;基于SVM检测正确率为54%,检测率为89%;基于FSS 检测正确率为66%,检测率为92%.实验结果表明,本方法能够很好地区分人脸模式和非人脸模式.因此,级联Adaboost和PCA算法组成的两级检测器可以明显提高人脸检测系统的性能.

关键词：人脸检测、MSO特征、两级检测器、人脸数据库

所属期刊栏目：18

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2018-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：280-286