楊才廣 李林峰 鄭鑫 凌永國

摘 要：人臉檢測是汽車駕駛輔助系統(tǒng)的關(guān)鍵技術(shù)，本文提取了目標圖像的Haar特征，并利用Adaboost算法檢測目標圖像中的可能存在的人臉區(qū)域，結(jié)合OpenCV計算機視覺開源庫實現(xiàn)了人臉檢測系統(tǒng)。實驗結(jié)果表明，采用Haar特征和Adaboost算法可以較好地從目標圖像中檢測人臉區(qū)域，且系統(tǒng)檢測速度快，具有較好的穩(wěn)定性。

關(guān)鍵詞： 人臉檢測;Adaboost算法;Haar特征;OpenCV

【Abstract】 Face detection is the key technology of car driving assistance system. This paper extracts the Haar feature of the target image， and uses Adaboost algorithm to detect possible face regions in the target image. The face detection system is realized by combining OpenCV computer vision open source library. The experimental results show that the Haar feature and Adaboost algorithm can detect the face region from the target image well， and the system detection speed is fast and has good stability.

【Key words】 ?Face detection; Adaboost algorithm; Haar feature; OpenCV

0 引 言

對視頻圖像或者圖片進行人臉檢測是計算機視覺上的一個熱門研究課題，相關(guān)主題方面成果也不斷涌現(xiàn)。研究時是通過Adaboost算法和Haar特征，將多組弱分類器級聯(lián)成為強分類器對人臉圖像進行人臉檢測，對此擬展開探討論述如下。

1 Haar提取

Haar特征最先由 Viola等科學(xué)家提出，目前常使用的共計14種，包括5種Basic特征、3種Core特征和6種Titled（即45°旋轉(zhuǎn)）特征，如圖1所示。

Haar特征提取流程如圖2所示。

2 Adaboost算法

Adaboost算法由Boosting算法推導(dǎo)更新出來的新算法，是一種將弱學(xué)習(xí)算法提升為強學(xué)習(xí)算法的技術(shù)。但是與Boosting不同的是，Adaboost算法不需要任何關(guān)于弱分類器性能的先驗知識、即分類誤差，而且Adaboost算法還有效保留Boosting算法的高效率特性。

級聯(lián)分類器是將多種弱分類器進行連接，生成決策樹，強分類器是由許多個弱分類器組成，通常情況下，每個強分類器中的弱分類器個數(shù)不隨著樹的深度依次遞增或者遞減，甚至可能出現(xiàn)無規(guī)律變化，級聯(lián)分類器的設(shè)計解析即如圖3所示。

在確定好矩形特征并計算了所有特征值后，研究對每一個特征訓(xùn)練一個分類器，對于每個特征，計算所有訓(xùn)練樣本的特征值。通過遍歷一組特征值向量，選擇錯誤率最低的特征，就可以為這個特征確定一個最優(yōu)的閾值，從而將其訓(xùn)練成一個弱分類器。

用分類器檢測圖像時，等于讓其組成的強分類器進行投票決定，每個強分類器都是由多個弱分類器組成，形象地說來就是：由下至上進行投票，將投票結(jié)果的錯誤率進行加權(quán)求和計算，再將其結(jié)果與平均投票結(jié)果進行比較得出結(jié)論。研究得到的整體檢測流程如圖4所示。

3 實驗結(jié)果

本次實驗環(huán)境為Intel i7，8G內(nèi)存，Windows10操作系統(tǒng)，編程語言為python。通過對多張不同類型的人臉圖片進行實驗測試，本次測試數(shù)據(jù)來源是隨機在網(wǎng)絡(luò)上搜索的2張測試圖片，測試圖片大小為250×250像素。實驗結(jié)果表明，2張測試圖片都能精確檢測識別到人臉，實驗結(jié)果詳見圖5、圖6。

4 結(jié)束語

本文提取了測試圖像的Haar特征并且利用Adaboost算法檢測目標圖像中的可能存在的人臉區(qū)域，使用python語言和OpenCV計算機視覺開源庫實現(xiàn)了人臉檢測系統(tǒng)框架的效果測試，實驗結(jié)果表明，使用這種算法可以較為高效地對靜態(tài)圖片進行人臉檢測。

參考文獻

[1]蘇楠，吳冰，徐偉，等.人臉識別綜合技術(shù)發(fā)展[J].信息安全技術(shù)研究，2016（1）：33-39.

[2]黃立威，劉艷博，李德毅. 基于深度學(xué)習(xí)的推薦系統(tǒng)[J]. 計算機學(xué)報，2017，40：1-29.

[3]陳虹.基于OpenCV的人臉檢測系統(tǒng)設(shè)計與實現(xiàn)[J].科技信息，2013（23）：384，406.

[4]王慧琴. 基于OpenCV的人臉識別的研究[J].長治學(xué)院學(xué)報，2016，33（5）：42-44.

[5]張曉薇，張文俊.視頻人臉檢測與特征點定位研究[J].計算機技術(shù)與發(fā)展，2012，22（5）：202-204，208.