亢 洁， 李 珍， 王晓东， 李晓静

(陕西科技大学 电气与信息工程学院， 陕西 西安 710021)



基于MB_LBP旋转不变特征的AdaBoost人脸检测算法研究

亢 洁， 李 珍， 王晓东， 李晓静

(陕西科技大学 电气与信息工程学院， 陕西 西安 710021)

传统的基于Haar特征的AdaBoost人脸检测算法，由于Haar特征数量过多，导致训练时间过久，而且不能快速检测出人脸。针对这一问题，本文提出一种基于多块局部二值模式(Multi-block Local Binary Pattern，MB_LBP)特征的AdaBoost人脸检测算法，这种MB_LBP特征结合了旋转不变局部二值模式(Local Binary Patterns，LBP)描述符，表达能力更强，特征数量更少.仿真结果表明，在训练时间大幅缩减的同时，使用MB_LBP特征时可以达到Haar特征的检测效果，且检测速度大大提高.

人脸检测； 多块局部二值模式； AdaBoost

0 引言

近年来，伴随国民经济飞速发展，机动车保有量大幅上升，然而每年频发的交通事故已成为社会关注的焦点.交通安全问题当中因疲劳驾驶引发的事故约占四分之一比重，疲劳驾驶已经成为行车安全的大敌[1].因为人脸检测技术具有非接触、方式友好、对行车干扰因素小以及更易被人接受等特点，因此非常适合用于驾驶员行车过程中疲劳状态的检测.

传统的基于Haar特征的AdaBoost人脸检测算法尽管检测效果良好，但由于Haar特征的数量过多，其检测速度受很大制约[2-5].相较于Haar特征，MB_LBP特征包含了更多的结构模式，它能够更加精确反映出图像的局部纹理的空间结构.此外，有研究文献表明，对于大小为24×24的图像当中Haar特征数有超过十万之多，这会让整个特征的计算……