覃远霞

【摘要】Paul Viola和Michael Jones曾提出的基于积分图象和Adaboost算法构建层叠式（cascade）人脸检测器，是人脸检测算法上的里程碑事件。先利用积分图象在常数时间内快速计算矩形特征，再用Adaboost算法训练这些矩形特征组成强分类器，从而使分类器的速度大大提高。此外，构造层叠分类器，首先简单的强分类器排除大多数非人脸窗口，减轻复杂分类器的负担，进而提高速度。

【关键词】Adaboost；人脸检测

1.人脸特征的选取

Haar-Like特征是Viola等提出的一种简单矩形特征，因类似于Haar小波而得名。Haar-Like特征的定义是由两个或多个全等的矩形相邻组合而成，特征模板内有白色和黑色两种矩形。

将此特征模板的特征值定义为白色矩形像素灰度和减去黑色矩形像素灰度和。可见，它反映了图像局部的灰度变化。最终系统使用数千个一维简单分类器，组合起来达到很好的分类效果。在实际使用时，将每一特征在图像子窗口中进行滑动计算，从而获得各个位置的多个Haar-Like特征。

脸部一些特征能够由这些矩形特征简单地描述，都有一定的人脸和非人脸区分性。例如，通常眼睛比脸颊颜色更深，鼻梁两侧比鼻梁颜色更深，眼睛比中间鼻梁颜色更深等等。

2.特征计算

得训练和检测的速度大大提升。在一幅图像中，计算原图像任意两个矩形内部象素灰度值求和之差只需要积分图中8个点的积分值相加减。考虑到上面矩形特征中矩形相邻性，这里需要的点更少。比如二矩形特征只需要要积分图6个点的积分值加减得到；……