[发明专利]一种基于AdaBoost的人脸检测分类器构造方法

摘要

本发明提供了一种基于AdaBoost的人脸检测分类器构造方法，其特征在于：首先，提出了一种新的Haar特征，用于生成弱分类器，此特征关注了脸部器官的全局分布，并且对范围在30°至60°的左右旋转具有一定的鲁棒性；其次，对于样本训练过程中可能会出现的退化问题，这里使用双阈值的方法，权重阈值限制样本权重的过分增大，轮数阈值在给予困难样本足够重视的基础上限制大权重样本的数量与存在时间。

主权项

一种基于AdaBoost的人脸检测分类器构造方法，其特征在于按以下具体步骤实现：步骤1：定义一个包含人脸与非人脸的样本集合(x1,y1),...,(xn,yn)，其中yn对应于正、负样本(人脸样本为正样本，非人脸样本为负样本)分别取值为1和‑1；步骤2：初始化正负样本权重分布为w1,i＝1/n，i＝1,...,n。步骤3：对于t＝1,...,T：3‑1：在当前的分布w1,i下，针对每个单Haar特征训练一个弱分类器，其中包括本发明新增的Haar特征，并从中选取错误率最小的一个作为此次循环的弱分类器ht；3‑2：对选中的ht：X→Y,计算加权错误率：3‑3：求解弱分类器ht的加权参数3‑4：为下轮循环更新样本的权重：其中，WHt是样本更新的权重阈值，WN是大权重样本的轮数阈值，N是大于权重阈值样本的轮数计数，Zt是归一化因子，即步骤4：经过步骤3循环，得到一系列弱分类器，最后组合成的强分类器为