王建玺，李玮瑶

（1.平顶山学院软件学院，平顶山467000；2.平顶山学院计算机科学与技术学院，平顶山467000）

基于改进Adaboost算法的人脸检测❋

王建玺1，李玮瑶2

（1.平顶山学院软件学院，平顶山467000；2.平顶山学院计算机科学与技术学院，平顶山467000）

针对传统Adaboost算法存在样本训练耗时、误检率较高的问题，提出了一种基于改进Adaboost算法的人脸检测方法。首先，利用肤色分割对待检测人脸图像进行预处理，然后，对传统Adaboost算法进行改进，在训练分类器过程中加入相关性判断，以减少弱分类器数量和提高样本训练速度，最后，对预处理过的待检测区域用改进的Adaboost算法进行人脸检测。实例测试表明，该方法在人脸检测中能够获得较高的检测率和较快的检测速度。

人脸检测；肤色分割；肤色模型；Adaboost算法；相关性判断；弱分类器

1 引 言

人脸检测是人脸图像处理中的关键步骤，在智能人机系统、视频监控和生物特征识别等领域应用广泛［1］。目前，常用的检测方法有基于神经网络、Adaboost、隐马尔可夫模型和支持向量机的算法等［2］。2001年，Paul Viola和Michael Jones［3］提出一种利用Haar－Like特征的Adaboost人脸检测算法，提高了人脸检测速度，但这种方法存在训练样本花费时间过长，不利于推广使用的缺点。余益民等［4］通过用新的参数求解方法，提高了正样本的识别能力，缩减了样本训练时间，但应用中效果较差。基于此，提出一种基于改进Adaboost算法的人脸检测方法，该算法对待检测图像首先使用肤色分割进行预处理，再用改进的Adaboost算法进行二次检测，以提高人脸检测的速度和检测率。……