基于MB-LBP特征和JIH的Adaboost人脸检测算法*

付心浩　谢勤岚

(中南民族大学生物医学工程学院　武汉　430074)



基于MB-LBP特征和JIH的Adaboost人脸检测算法*

付心浩谢勤岚

(中南民族大学生物医学工程学院武汉430074)

摘要针对纯粹引入Haar-like特征的人脸检测算法误检率高且受光照条件影响较大的问题,在保证实时性基本不受影响的前提下,以提高检测精度及增强对光照的鲁棒性为目的,提出了基于Adaboost算法结合MB-LBP算子和联合积分直方图(JIH)及Haar模板进行人脸特征提取的新方法。测试结果验证了新方法训练的分类器比单纯使用Haar特征或MB-LBP效果好,证明了提出的方法的有效性。

关键词人脸检测; Haar-like特征; Adaboost算法; MB-LBP; 联合积分直方图

Class NumberTP391

1引言

作为人脸识别系统的首要环节,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。早期的人脸研究使用肤色、纹理等简单的特征[1～2],这些特征在复杂的图片背景下往往容易失效。近十年,涌现出很多新的人脸检测方法,主流是基于学习的方法，包括支持向量机[3],神经网络[4]和Adaboost算法等。2001年Viola和Jones提出了Adaboost算法并将其应用于人脸检测[5],由于该算法识别率高、误检率低,在人脸检测中得到了广泛的应用。Adaboost算法利用Haar-Like特征,采用级联的方式构成强分类器。由于Haar特征对光照的鲁棒性差,研究人员提出了一些改进的方法。其中,Ojala等[6]将LBP特征用于人脸检测,结果表明LBP特征对光照变化的鲁棒性较强。因此,LBP,MB-LBP[7]特征,LAB[8]特征和HLBP[9]特征逐一应用于人脸检测系统。本文基于Adaboost算法结合MB-LBP特征和联合积分直方图(Joint Integral Histogram,JIH),综合了Haar特征的多样性、LBP特征的不变性及JIH的高效性,从而提高人脸检测的多方面性能。……