单园园，王法胜，2，李绪成，2，鲁明羽

改进AdaBoost与SVM快速人脸检测

单园园1，王法胜1，2，李绪成1，2，鲁明羽1

(1.大连海事大学信息科学技术学院，辽宁大连116026;2.大连东软信息学院计算机科学与技术系，辽宁大连116023)

使用AdaBoost进行人脸检测，存在训练时间长以及误检率高的问题.本文提出了一种新的快速人脸检测方法.首先通过对类Haar特征约束，提高人脸特征选取的有效性，减少整体特征数;然后利用基于梯度方向直方图HOG特征的支持向量机SVM算法对改进后的AdaBoost算法出现的高误检率进行检测优化，以降低误检率，提高检测的准确度.实验结果表明，本文提出的AdaBoost改进算法可以有效地缩短训练和检测时间，结合SVM优化实验可以大大降低误检率，提高人脸检测的正检率，实现快速高效的人脸检测.

人脸检测;AdaBoost算法;支持向量机;类HAAR特征;梯度方向直方图

近年来，作为人脸识别的一部分，人脸检测的研究及应用价值引起了人们的重视.人脸检测是一种可以定位出人脸区域的方法，给定任意的图像，确定图像中是否存在人脸，若有，则返回图像所在的位置和区域［1］.在人脸检测的应用中，精度和速度一直是2个关键且难于两全的问题.近年来出现了大量的人脸检测算法，其中AdaBoost算法在人脸检测中取得了成功的应用.AdaBoost算法是由Freund和Schapire提出的［2］，Viola和Jones采用此算法结合多分类器级联结构实现快速的人脸检测［3］.在Viola和Jones的算法中，主要考虑水平矩形特征，在正面的人脸检测中得到了很高的检测率，但对……