访问【WRITE-BUG数字空间】_[内附完整源码和文档]
AdaBoost 算法是 1995 年提出的一种快速人脸检测算法，是人脸检测领域里程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在效率不降低的情况下，检测正确率得到了很大的提高。
摘要 ：人脸检测是人脸分析的首要环节，其处理的问题是确认图像中是否存在人脸，如果存在则对人脸进行定位。人脸检测的应用领域相当广泛，是实现机器智能化的重要步骤之一。AdaBoost 算法是 1995 年提出的一种快速人脸检测算法，是人脸检测领域里程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在效率不降低的情况下，检测正确率得到了很大的提高。本文对影响 AdaBoost 人脸检测训练算法速度的至关重要的两方面：Haar 特征和积分图的概念和理论进行了仔细的阐明。同时给出了 AdaBoost 的算法，并深入探讨了其中的一些关键问题——弱学习器的构造、选取等问题。本文还将 AdaBoost 训练出来的多个强分类器连接在一起，形成同时具备高检测率和低误识率的级联分类器——Haar 分类器。最后用 Haar 分类器实现人脸检测并通过检测五官来检验检测结果。
关键词 ：Adaboost；机器学习；级联； Haar 特征
引言
图像目标的检测与识别向来是机器视觉领域的重要研究内容。其中，人脸图像信息的处理技术一直都是模式识别与机器视觉研究领域内关注的重要问题，是现阶段基于生物特征的身份识别技术的重要组成部分之一。作为人脸信息处理中的一项关键技术，人脸检测的应用背景已经远远超出了人脸识别系统的范畴，在身份验证、基于内容的图像检索、数字视频处理、视觉监测等方面都有着重要的应用价值。
人脸是一种完全开放的信息源，是图像和视频中最重要的视觉图像之一。通过人脸可以得到一个人的性别、年龄、表情和身份等个体信息。人脸分析的相关研究希望用户的身份、状态和意图的信息能够从图像中提取出来，然后由计算依此做出反应（比如通过观察用户脸部表情来分析心情并进行相应反应）。
人脸检测是指在输入图像中确定所有存在的人脸的位置、大小的过程。人脸识别或辨认、人脸定位以及人脸追踪等都与人脸检测密切相关。
早期的人脸识别算法都是在假设已经得到了一个正面人脸或者假设人脸很容易获得的前提下进行的，但是随着人脸分析应用范围的不断扩大和开发实际系统需求的不断提高，这种假设下的研究不再能满足需求。人脸检测开始作为独立的研究内容发展起来。
近年来出现了大量的人脸检测方法，其中 Paul Viola 和 Michael Jones 于 2001 年提出的 Adaboost 算法是第一个实时的人脸检测算法，从根本上解决了检测的速度问题，同时具有较好的识别效果[2]。
本文研究 AdaBoost 人脸检测方法的训练流程，研究了 Adaboost 算法的实现步骤，设计并实现基于 Haar 分类器的人脸检测系统，并通过检测五官来检验检测结果。
