期刊刊名：育達商管學報 　 卷期：5期

篇名出版日期：2011年6月1日

作者：張循鋰,虞台文

語言：Chinese

關鍵字：人臉偵測,主要成分分析,AdaBoost,Face Detection,Principal Component Analysis

被點閱次數：9次

閱讀時間：515sec

摘要：
人臉偵測(Face Detection)為自動化人臉辨識系統(Automatic Face Recognition System,AFRS)之重要前置處理步驟。自Viola與Jones於2004年成功將AdaBoost演算法應用於人臉偵測並獲得顯著的改善後，近年來，相關研究皆著重於探討應用不同類型的特徵或改良AdaBoost演算法，對於訓練集卻鮮少探討。有別於目前多以隨機方式於背景影像中取樣，本文提出一個以主成分分析(Principal Component Analysis, PCA)為主之負樣本(Negative Examples)篩選演算法，首先利用訓練集中的正樣本(Positive Examples)，亦即人臉影像，以PCA建立出人臉空間之模型，在對背景影像隨機取樣時，首先先將取得之非人臉影像投影至人臉空間中並求算與人臉空間中心點之距離，接著依據其距離求算出該負樣本屬於人臉空間之機率值，如該機率值小於閥值(threshold)則此負樣本予以丟棄，否則將之納入為訓練之負樣本中。透過本文所提方法取得支付樣本集，皆為誤判為人臉之非人臉影像。實驗證明，本文所提之方法可有效降低AdaBoost之負樣本誤判率(False Positive Rate, FPR)，並可使用較少數量之訓練集，進而達到加速學習過程之目的。

　　　　　[全文下載]