【正文】 錯誤的，增加樣本的權(quán)值，正確的樣本，減小其權(quán)值。 然后進(jìn)行第二次分類，訓(xùn)練 得到 h2 弱分類器 。 Adaboost 算法訓(xùn)練過程就是要找到最佳的 harr 特征，然后訓(xùn)練出分類器，對人臉進(jìn)行檢測。 根據(jù) Boosting 算法 Adaboost 算法做了很大的調(diào)整 ， Adaboost 算法可以對弱學(xué)習(xí)獲得的簡單分類器的錯誤進(jìn)行一定的調(diào)整 。 最后根據(jù)這些弱分類器的權(quán)值，求平均得到最終強(qiáng)分類器 。這種方法的關(guān)鍵思路是是針對同一個訓(xùn)練集訓(xùn)練不同的分類器 (弱分類器 )，再把這些分類器組合起來，建立一個強(qiáng)分類器。起先每一個樣 本具有相同的權(quán)值，訓(xùn)練得到第一個弱分類器。5wT11 類器的權(quán)重疊加起來，得到最終的強(qiáng)分類器。 The genral stf(1mpoyidvc,uh)0jb。 1999 年 ， Intel 建立 了 OpenCV現(xiàn)在由 Willow Garage 提供支持 [11]。它很高效，包含了很多 C 函數(shù)和 少量 C++ 類，而且提供了很多接口，如 Python、 Ruby、 MATLAB 等語言，包含了圖像處理和智能計算機(jī)視覺方面的很多通用算法。如： 人機(jī) 互動、物體識別、圖象分割、人臉識別、動作識別、運(yùn)動跟蹤和機(jī)器人等領(lǐng)域。 建立標(biāo)準(zhǔn)的 API 便 可以簡化并解決這些問題。 OpenCV 致力于真實(shí)世界的實(shí)時應(yīng)用，通過優(yōu)化的 C 代碼的編寫對其執(zhí)行速度帶來了可觀的提升，并且可以通過購買 Intel的 IPP 高性能多媒體函數(shù)庫 （ Integrated Performance Primitives） 得到更快的處理速度。 浙江農(nóng)林大學(xué)本科生畢業(yè)設(shè)計（論文） The genral stf(1mpoyidvc,uh)0jb。主要研究目標(biāo)是人機(jī)界面問題，可以被 UI 調(diào)用的實(shí)時計算機(jī)視覺庫，為 Intel 處理器做了特定優(yōu)化。 2021 年 12 月，發(fā)布了適用于 linux 平臺的 OpenCV beta 1。 2021 年，發(fā)布了適用于 Mac OS 系統(tǒng)的 OpenCV 。 2021 年 10 月 1 日， Version 發(fā)布。 2021 年 8 月， OpenCV 發(fā)布。 OpenCV 是完全免費(fèi)的 ， 它使用類 BSDlisence， 為 Intel Integrated Performance Primitives(IPP)提供了透明接口。軟件關(guān)于視覺處理算法的提供廣泛而且豐富，而且部分可以用 C 語言編寫，具有開源性的特征，如果處理得當(dāng)，可以不用添加新的外部支持，可以獨(dú)立 The genral stf(1mpoyidvc,uh)0jb。 可以將代碼移植到單片機(jī)系統(tǒng)和 DSP 系統(tǒng)中。在安裝時選擇 “ 將 \OpenCV\bin 加入系統(tǒng)變量 ” （ Add\OpenCV\bin to the systerm PATH）。5wT15 圖 43 添加路徑界面 配置 Windows 環(huán)境變量 檢查 C:\Program Files\OpenCV\bin 是否已經(jīng)被加入到環(huán)境變量 PATH，如果沒有，請加入 。 下圖為啟動環(huán)境變量界面： The genral stf(1mpoyidvc,uh)0jb。5wT17 圖 45 添加環(huán)境變量界面 配置 Visual C++ （ 1） 系統(tǒng)功能設(shè) 全局設(shè)置 [13] 打開 Visual C++ ，選擇 菜單 ToolsOptionsDirectories： 先設(shè)置 lib 路徑 ， 選擇 Library files，在下方填入路徑 ： C:\Program Files\OpenCV\lib， 然后選擇 include files，在下方填入路徑 ： C:\Program Files\OpenCV\cxcore\include C:\Program Files\OpenCV\cvaux\include C:\Program Files\OpenCV\ml\include C:\Program Files\OpenCV\otherlibs\highgui C:\Program Files\OpenCV\cv\include C:\Program Files\OpenCV\otherlibs\cvcam\include The genral stf(1mpoyidvc,uh)0jb。 （ 2） 項目設(shè)置 [15] 每 次 創(chuàng)建一個 OpenCV 的 VC Project，都要給它指定 相應(yīng) 的 lib。浙江農(nóng)林大學(xué)本科生畢業(yè)設(shè)計（論文） The genral stf(1mpoyidvc,uh)0jb。特征模板 里包黑色跟白色 兩種 類型的 矩形， 而且我們規(guī)定 該模板的特征值 等于 白色矩形像素和 值 減去黑色矩形像素和 值 。 積分圖 積分圖方法是一種快速計算 RectSum 的方法 [17]。5wT20 其中 ,s ( x , y )為點(diǎn) ( x , y )所在位置的列積分值 ,但不包含 ( x , y )點(diǎn)的值 .迭代初始時 s ( x , y 1 )= 0（ 8）， i i ( x , y ) = 0（ 9）。 )表示 ,這里 1≤ j≤ K。第 j 個特征的弱分類器由一個指示不等式方向的偏置 pj(只有 177。第 j 個特征為真，則得到這個樣本為真，用 hj= 1 表示 ,如果是假樣本則 hj= 0。 下面是分類器訓(xùn)練過程 ： （ 1） 初始化訓(xùn)練樣本的誤差權(quán)值，設(shè) wt, i 為第 t 次循環(huán)中第 i 個樣本的誤差權(quán)重 : 對于 yi= 1 的樣本 wt, i= 1 / ( 2L )；對于 yi= 0 的樣本 wt， i= 1/(2M)； for t=1， ， T。5wT21 確定的方法為 ： 若第 i 個樣本 xi 被正確分類 ， 則 ei= 0； 反之 ei= 1， β t=ε t/ ( 1ε t) 。 雖然級數(shù)越來越多 ,但是計算的數(shù)據(jù)卻在減少 ,系統(tǒng)運(yùn)行的速度也在提升，其中的原因是：因為將強(qiáng)分類器疊加在一起建立成一個級聯(lián)分類器的過程 ,每次的權(quán)重都要進(jìn)行 調(diào)整，為人臉的圖像通過了樣本 ,而非人臉樣本則被拒之門外 ,由于上一步使用的舉行特征匹配數(shù)量少 ,計算速度非?？?,而后面通過檢測的人臉樣本越來越少 ,所以檢測的速度變得更快 ,這種分級方法采用的思想遵循先重后輕規(guī)則。它很高效，包含了很多 C 函數(shù) 和少量 C++類 ， 而且提供了很多接口 。 /*標(biāo)志 */ int count。/*訓(xùn)練中原始目標(biāo)的大小 */ CvSize real_window_size。 /*Haar 塊縮放的尺寸 */ CvHaar Stage Classifier * stage_classifier。 }CvHaarClassifierCascade。5wT22 { int count。 /*疊加分類器的閾值 */ CvHaar Classifier * classifier。 圖 53 檢測程序流程圖 下面對 OpenCV 中的檢測模塊進(jìn)行簡單的介紹 。 用來裝載級聯(lián)分類器 ， 格式如下 ： CvHaar Classifier Cascade * cvLoadHaar Classifier Cascade （ const char * directory, CvSize orig_win_dow_size)； 其中directory 為級聯(lián)分類器文件的路徑 。 （ 2） 因為 OpenCV 只可以處理內(nèi)部優(yōu)化格式的分類器 。 （ 3） 整個檢測過程中需要用到函數(shù) Haar Detect Objects。 函數(shù)格式為 CvSeq * cvHaar Detect Objects ( const CvArr*image, CvHaar Classifier Cascade * cascade， CvMemStorage * storage， double scale_factor = ， int min_neighbors = 3， int flags = 0， CvSize min_size = cvSize(0, 0) )； 其中 image 代表被檢測的圖像 。 storage 用來存儲檢測到的一系列候選目標(biāo)矩形框的內(nèi)存區(qū)域 。 min_neighbors 是構(gòu)成檢測目標(biāo)的相鄰矩形的最 小個數(shù)分類加載器 將分類器轉(zhuǎn)化為內(nèi)部格式 加載檢測圖像 檢測標(biāo)定 浙江農(nóng)林大學(xué)本科生畢業(yè)設(shè)計（論文） The genral stf(1mpoyidvc,uh)0jb。 flags 是操作方式 。 默認(rèn)情況下被設(shè)為分類器訓(xùn)練時采用的樣本尺寸 [20]。 該函數(shù)在給定位置的圖像中運(yùn)行級聯(lián)分類器 ， 用于對單幅圖片進(jìn)行檢測 。 OpenCV 的人臉檢測 OpenCV 的人臉檢測主要是調(diào)用訓(xùn)練好的 cascade（ Haar 分類器 ） 來進(jìn)行模式匹配 。匹配后收集找出的匹配塊 ,過濾噪聲，計算相鄰個數(shù)如果超過了規(guī)定值（傳入的 min_neighbors）就當(dāng)成輸出結(jié)果 ， 否則刪去 。匹配的時候調(diào)用 cvRunHaar Classifier Cascade 來進(jìn)行匹配 ， 將所有結(jié)果存入 CvSeq * Seq（ 可動態(tài)增長元素序列） ， 將結(jié)果傳給 cvHaar Detect Objects。并且可以根據(jù)傳入的 cascade 類型不同（樹型、 stump 不完整的樹或其他的），進(jìn)行不同的匹配方式。 在函數(shù)調(diào)用前首 先利用 cvSetImages For Haar Classifier Cascade 設(shè)定積分圖和合適的比例系數(shù) 。 實(shí)驗結(jié)果與分析 運(yùn)行程序，將待檢測的圖片加載進(jìn)去，檢測結(jié)果如圖 5 圖 5 圖 56 所示，從結(jié)果可以看出，該系統(tǒng)對正面的人臉檢測具有較高的正確率，圖 56 一共 41 張人臉，檢測出 39 個人臉，存在兩個人臉漏檢，由于這兩個人的面部部分被前面的人遮擋住，導(dǎo)致系統(tǒng)漏檢。5wT24 圖 54 一個人臉檢測結(jié)果圖 圖 55 兩個人臉檢測結(jié)果圖 浙江農(nóng)林大學(xué)本科生畢業(yè)設(shè)計（論文） The genral stf(1mpoyidvc,uh)0jb。 人臉檢測問題是一個具有挑戰(zhàn)性并且富有趣味的的問題，現(xiàn)在研究者研究了很多解決方法和檢測方案，但是到目前為止仍然沒有得出一個統(tǒng)一的、權(quán)威的標(biāo)準(zhǔn)。本文僅僅對人臉檢測其中的一種方法進(jìn)行研究，希望能對今后的人臉檢測研究工作有所幫助。5wT26 ifdef _DEBUG undef THIS_FILE static char THIS_FILE[]=__FILE__。 static CvHaarClassifierCascade* cascade = 0。 storage = cvCreateMemStorage(0)。 cascade_name = 。 if(cascade) //AfxMessageBox(加載成功！ )。 浙江農(nóng)林大學(xué)本科生畢業(yè)設(shè)計（論文） The genral stf(1mpoyidvc,uh)0jb。 } void CDetectionFace::detect_and_draw( IplImage* img ) { double scale = 。 IplImage*small_img=cvCreateImage(cvSize(cvRound(imgwidth/scale),cvRound( imgheight/scale)),8, 3 )。 cvClearMemStorage( storage )。 CvSeq*faces=cvHaarDetectObjects(small_img, cascade, storage, 2, 0,cvSize(25, 25) )。 CString str。 CStatusBar* pStatus=amp。 if(pStatus) { (檢測時間 : %gms,t/((double)cvGetTickFrequency()*1000.))。 } for( i = 0。 i++ ) { CvRect* r = (CvRect*)cvGetSeqElem( faces, i )。5wT28 CvPoint a1,a2。 = ry*scale。 = (ry+rheight)*scale。 } cvReleaseImage( amp。 cvReleaseImage( amp。 } } 浙江農(nóng)林大學(xué)本科生畢業(yè)設(shè)計（論文） The genral stf(1mpoyidvc,uh)0jb。 在論文設(shè)計的初期 ， 進(jìn)行了大量的文獻(xiàn)和資料收集，對人臉檢測項目進(jìn)行了詳細(xì)的分析，并最終實(shí)現(xiàn)了人臉檢測，給出了檢測結(jié)果 .。 本文根據(jù) Viola 博士