基于 AdaBoost 算法的人脸检测

人脸检测是人脸分析的首要环节，其处理的问题是确认图像（或影像）中是
否存在人脸，如果存在则对人脸进行定位。人脸检测的应用领域相当广泛，是实
现机器智能化的重要步骤之一。
AdaBoost 算法是 1995 年提出的一种快速人脸检测算法，是人脸检测领域里
程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在
效率不降低的情况下，检测正确率得到了很大的提高。
本论文第一章和第二章简述了人脸检测的一般情况，第三章对一些人脸检测
的经典方法进行了说明。
第四章讲述了 AdaBoost 算法的发展历史。从 PCA 学习模型到弱学习和强
学习相互关系的论证，再到 Boosting 算法的最终提出，阐述了 Adaptive
Boosting 算法的发展脉络。
第五章对影响 AdaBoost 人脸检测训练算法速度的至关重要的两方面：矩形
特征和积分图的概念和理论进行了仔细的阐明。
第六章给出了 AdaBoost 的算法，并深入探讨了其中的一些关键问题——弱
学习器的构造、选取等问题。
最后一章，用编写的实现了 AdaBoost 算法的 FáDèt 程序，给出了相应的
人脸检测实验结果，并和 Viola 等人的结果做了比较。

点击标签浏览更多相关论文资源：