人臉檢測的Adaboost算法

2023-05-09 00:06:06

人臉檢測的Adaboost算法
【專利摘要】本發明涉及一種人臉檢測的Adaboost算法，檢測器前端設有膚色模型和光照補償，膚色模塊前使用光照補償加強識別效果，膚色模型包括顏色空間、膚色點判斷和膚色閾值使用，光照補償為Gamma矯正；Adaboost算法訓練過程包括特徵值排序的並行化和訓練弱分類的並行化。本發明的有益效果是：運用膚色模型以及光照補償對檢測器進行了前端優化，減少了檢測時的數據計算量並加快了檢測速度；對於耗費大量的時間的訓練過程給出了並行算法，大大節約訓練時間。
【專利說明】人臉檢測的Adaboost算法
【技術領域】
[0001]本發明涉及一種人臉檢測的Adaboost算法。
【背景技術】
[0002]在人臉檢測過程中使用膚色檢測算法能夠很好得提高檢測效果，對於Adaboost算法檢測過程來說，膚色檢測模塊既可以添加在多尺度檢測之前，也可以添加到多尺度檢測之後，還可以添加到多尺度合併之後。
[0003]雖然Aadboost系統檢測速度很高,但是由於Adaboost算法本身訓練比較耗時,整個系統的訓練時間非常驚人。其系統在訓練上花費了數周的時間。由於Adaboost算法在訓練速度上的問題大大地限制了該算法的應用。因此，有必要對原訓練算法進行並行化。
[0004]在科學和工程問題的數值建模和模擬時，常需要對大量數據進行很多次重複計算以得到有效結果，並且要求計算必須在合理時間內完成，例如數值氣象預報、太空中天體運動預測、虛擬實境以及本文針對的Adaboost算法訓練過程的優化問題，這些應用對計算速度的需要總是在不斷的增長。提高計算速度的一種方法是用多個處理器協同求解一個問題，可以是帶有多個處理器的計算機或是以某種方式互連的若干臺獨立計算機。除了加速對問題求解之外，多計算機/多處理機的使用可以在給定時間內計算更多的求解點，從而獲得更精確的解。

【發明內容】

[0005]本發明要解決的技術問題是:基於上述問題，本發明提供一種人臉檢測的Adaboost 算法。
[0006]本發明解決其技術問題所採用的一個技術方案是:一種人臉檢測的Adaboost算法，檢測器前端設有膚色模型和光照補償，膚色模塊前使用光照補償加強識別效果，膚色模型包括顏色空間、膚色點判斷和膚色閾值使用，光照補償為Gamma矯正；AdabooSt算法訓練過程包括特徵值排序的並行化和訓練弱分類的並行化。
[0007]進一步地，顏色空間是採用高斯膚色模型及YCbCr顏色空間對人臉圖像進行分害I]，將RGB空間轉化為YCbCr空間如下式所示:
【權利要求】
1.一種人臉檢測的Adaboost算法，其特徵是:檢測器前端設有膚色模型和光照補償，膚色模塊前使用光照補償加強識別效果，膚色模型包括顏色空間、膚色點判斷和膚色閾值使用，光照補償為Gamma矯正；AdabooSt算法訓練過程包括特徵值排序的並行化和訓練弱分類的並行化。
2.根據權利要求1所述的人臉檢測的Adaboost算法改進，其特徵是:所述的顏色空間是採用高斯膚色模型及YCbCr顏色空間對人臉圖像進行分割，將RGB空間轉化為YCbCr空間如下式所示:
3.根據權利要求1所述的人臉檢測的Adaboost算法，其特徵是:所述的膚色點判斷方法為採用訓練的方法來計算得到CbCr空間上集中的中心，然後根據所考察的像素離該中心的遠近來得到它和膚色的相似度，從而得到一個原圖的相似度分布圖，再對該分布圖二值化，最終確定膚色的區域。
4.根據權利要求1所述的人臉檢測的Adaboost算法，其特徵是:所述的膚色閾值使用方法為:閾值設置為20%，如果膚色點超過20%就進行檢測，否則排除該子窗口。
5.根據權利要求1所述的人臉檢測的Adaboost算法,其特徵是:所述的Gamma矯正為，圖像上任一點的像素值(R，G，B)可以通過下式進行Gamma校正，
6.根據權利要求1所述的人臉檢測的Adaboost算法，其特徵是:所述的特徵值排序的並行化採用並行正則採樣排序PSRS方法對排序過程進行並行化。
【文檔編號】G06K9/00GK103714328SQ201310751552
【公開日】2014年4月9日 申請日期:2013年12月31日 優先權日:2013年12月31日
【發明者】吳錦華 申請人:江蘇圖雲智能科技發展有限公司