汪仕才，冯桑，呙腾

（广东工业大学机电工程学院，广州　510006）

基于AdaBoost算法的人脸人眼分类器的设计与实现

汪仕才，冯桑，呙腾

（广东工业大学机电工程学院，广州510006）

0　引言

AdaBoost算法最早由Freund和Schapire在1995年提出，随后在2001年Paul Viola［1］等在其基础上，通过引入“Haar”特征和“积分图”的思想，设计了级联式（cascaded）人脸检测器，使人脸检测的检测率和检测速度有很大提升。AdaBoost算法通过权重更新，能够“聚焦于”那些比较困难的样本，且算法简单、实时性好，检测速度快［2］，在人脸检测中有着广泛的应用。例如，我国学者应用AdaBoost算法对ORL人脸库进行实验［3］，还有采用肤色和AdaBoost方法相结合来进行人脸检测，并在此基础上结合人脸结构的边缘特征及AdaBoost方法对眼睛进行精确定位［4］。AdaBoost算法的准确性依赖于训练样本的数量，且大量增加样本数量还会增加训练时间［5］，因此，本文尽量全面的选取驾驶环境下的人脸人眼样本，包括正脸、侧脸、戴眼睛和部分遮挡等情况，况且本文人脸检测系统的样本训练是在系统检测之外，这为进一步实现人脸的实时检测提供了可能。

1　Haar特征及其特征值的计算

1.1Haar特征及i其特征

在模式识别的研究中，Haar特征能描述特定走向的结构，特别是对边缘、线段等简单的图形结构比较敏感，能很好地表述人脸肤色和五官的信息，在优化特征的计算和分类器的架构后，可以使分类器的训练和检测速度得到极大的提高。Haar特征由白色或黑色的两种小矩形组成，分别排列成垂直、水平和对角线，即2-矩形特征、3-矩形特征和4-矩形特征三类［6］，为了弥补Haar特征对于旋转后多角度等其他情况下的人脸检测的不足。……