基于Haar特征的人臉識(shí)別算法

摘 要：本文采用基于類Haar特征和AdaBoost分類器的算法，用于檢測(cè)人臉的區(qū)域。實(shí)驗(yàn)結(jié)果表明，該算法具有運(yùn)行速度快，識(shí)別準(zhǔn)確率高的特點(diǎn)。

關(guān)鍵詞：類Haar特征；AdaBoost；人臉識(shí)別

中圖分類號(hào)：TP391.41

人臉在社會(huì)交往中扮演著十分重要的角色，是人類在確定一個(gè)人身份時(shí)所采用的最普通的生物特征，研究人臉跟蹤識(shí)別及其相關(guān)技術(shù)具有十分重要的理論價(jià)值和應(yīng)用價(jià)值[1]。

然而，人臉識(shí)別在實(shí)際中很難應(yīng)用，其主要原因在于：實(shí)際場(chǎng)景中的人臉區(qū)域位置無(wú)法確定，光照強(qiáng)度無(wú)法確定，使得人臉的區(qū)域難以準(zhǔn)確定位；其次，對(duì)于定位的ROI區(qū)域，難以選定合適的算法對(duì)該區(qū)域進(jìn)行快速而準(zhǔn)確的識(shí)別。

本文采用基于類Haar特征和AdaBoost分類器進(jìn)行人臉區(qū)域的檢測(cè)。

1 算法過(guò)程

人臉檢測(cè)算法包括兩個(gè)過(guò)程：訓(xùn)練過(guò)程和識(shí)別過(guò)程。訓(xùn)練過(guò)程對(duì)樣本圖片計(jì)算每一個(gè)類Haar特征，從中選擇若干個(gè)識(shí)別精度高的特征；每一個(gè)選中的特征構(gòu)成一個(gè)弱分類器，眾多弱分類器采用AdaBoost算法構(gòu)成一個(gè)強(qiáng)分類器。

本文調(diào)用OpenCV提供的分類器，不涉及訓(xùn)練過(guò)程，因此文章的主要內(nèi)容是分類器的識(shí)別過(guò)程。識(shí)別過(guò)程根據(jù)分類器選擇的特征計(jì)算圖片的特征向量，然后應(yīng)用AdaBoost分類器進(jìn)行車輛區(qū)域的檢測(cè)。

2 識(shí)別過(guò)程

對(duì)每一個(gè)ROI區(qū)域的識(shí)別包括圖像的預(yù)處理、特征圖的計(jì)算、類Haar特征的計(jì)算和分類識(shí)別四個(gè)部分。

2.1 圖像的預(yù)處理

首先，將大小歸一化為40*40；接著，將彩色圖片轉(zhuǎn)化為灰度圖。

2.2 積分圖的計(jì)算

圖2 類Haar特征示意圖

2.4 基于Adaboost分類器的識(shí)別

AdaBoost算法是機(jī)器學(xué)習(xí)中一種非常重要的特征分類算法，被廣泛應(yīng)用于圖像檢索[2]、人臉表情識(shí)別[3]等應(yīng)用中。

Boosting算法都多種改進(jìn)方式，本文采用理論研究和實(shí)際應(yīng)用都非常成熟的AdaBoost算法。

AdaBoost算法的訓(xùn)練過(guò)程：

對(duì)于每一個(gè)特征，Boosting算法都能產(chǎn)生一個(gè)弱分類器，通過(guò)調(diào)整閾值，使得該分類器對(duì)訓(xùn)練樣本的識(shí)別精度超過(guò)50%。在每一輪訓(xùn)練中，算法找出分類精度最高的特征及其閾值作為一個(gè)弱分類器。在下一輪訓(xùn)練中，加大錯(cuò)分樣本的權(quán)重，使得分類器能夠糾正對(duì)錯(cuò)分樣本的誤判。當(dāng)訓(xùn)練完畢之后，對(duì)所有產(chǎn)生的弱分類器，根據(jù)其識(shí)別精度調(diào)整其權(quán)重：分類精度越高，權(quán)重越大，依次組成一個(gè)強(qiáng)分類器。

AdaBoost算法的識(shí)別過(guò)程：

將特征向量輸入強(qiáng)分類器，按照公式 進(jìn)行計(jì)算，如結(jié)果為正，則為人臉區(qū)域。

3 實(shí)驗(yàn)與結(jié)果

本文調(diào)用OpenCV提供基于Haar特征的AdaBoost分類器進(jìn)行人臉區(qū)域的檢測(cè)，檢測(cè)結(jié)果如圖3所示：

圖3 檢測(cè)結(jié)果

4 總結(jié)

本文對(duì)待檢測(cè)的圖片首先進(jìn)行預(yù)處理，然后計(jì)算圖片的積分圖，在積分圖的基礎(chǔ)上計(jì)算選定的類Haar特征，最后應(yīng)用AdaBoost分類器進(jìn)行檢測(cè)，判斷該區(qū)域是否人臉區(qū)域。實(shí)驗(yàn)結(jié)果證明，該算法識(shí)別的準(zhǔn)確率高，運(yùn)行速度快，能滿足實(shí)際應(yīng)用中對(duì)準(zhǔn)確率和實(shí)時(shí)性的要求。

參考文獻(xiàn)：

[1]雷靜.基于OpenCV的人臉跟蹤識(shí)別系統(tǒng)研究[D].西安電子科技大學(xué)交通信息工程系，2010.

[2]Dai Sheng-Yang，Zhang Yu-Jin.AdaBoost in region-based image retrieval[A].In：Processings of the IEEE International Conference on Acoustics，Speech，and Signal Processing（ICASSP04）[C]，Montreal，Canada，2004，3：429-432.

[3]Shan S，Yang P，Chen X.AdaBoost gabor fisher classifier for face recognition[A].In：Proceeding of the International Workshop on Analysis and Modeling of Faces and Gestures，AMFG 2005[C]，Beijing，China，2005，3723：278-291.

作者簡(jiǎn)介：黃華盛（1987.12-），男，廣東汕頭人，教師，碩士，研究方向：機(jī)器視覺(jué)與圖像處理。

作者單位：廣東科技學(xué)院計(jì)算機(jī)系，廣東東莞 523083