一種收斂性隨機(jī)森林在人臉檢測(cè)中的應(yīng)用研究.pdf

1、人臉檢測(cè)作為圖像處理應(yīng)用中重要的組成部分，一直是近些年來(lái)研究的重點(diǎn)與熱點(diǎn)。人臉檢測(cè)方法種類繁多，呈現(xiàn)多角度性，與多層次性。如何選擇與利用合適的方法滿足不同的檢測(cè)要求已成為人臉檢測(cè)研究的核心內(nèi)容。本文從信息論等角度闡述了檢測(cè)問(wèn)題的核心模型，對(duì)檢測(cè)方法做了詳細(xì)的分析，并且提出了一種改進(jìn)的隨機(jī)森林檢測(cè)人臉的方法，主要完成了如下研究工作：
　　1.從檢測(cè)機(jī)制上對(duì)人臉檢測(cè)方法做了系統(tǒng)的介紹，分別從知識(shí)學(xué)習(xí)與統(tǒng)計(jì)學(xué)習(xí)兩個(gè)角度出發(fā)，對(duì)檢測(cè)方法進(jìn)

2、行分類，對(duì)每一類檢測(cè)方法，特別是統(tǒng)計(jì)學(xué)習(xí)類的方法進(jìn)行了詳細(xì)的分析與比較。
　　2.詳細(xì)深入地描述了隨機(jī)森林分類模型，并對(duì)該模型的理論基礎(chǔ)進(jìn)行了剖析與論證，詳細(xì)討論了模型邊緣誤差與范上界誤差的推導(dǎo)過(guò)程以及隨機(jī)森林分類的機(jī)制原理。并且根據(jù)模型原理，得到了隨機(jī)森林與Adaboost，Bagging算法類的深層次聯(lián)系，為隨機(jī)森林與實(shí)驗(yàn)步驟的改進(jìn)提供了理論依據(jù)。
　　3.引入前向逐步疊加模型對(duì)隨機(jī)森林進(jìn)行重新描述，令隨機(jī)森林以前向疊加

3、的方式逐層生長(zhǎng)，使得層與層之間存在傳遞制約的關(guān)系，提出了???型隨機(jī)森林模型。在繼承原模型優(yōu)點(diǎn)的基礎(chǔ)上，較大程度上解決了原模型無(wú)法確保達(dá)到全局最優(yōu)的問(wèn)題，提升了檢測(cè)速度與效率。最后通過(guò)實(shí)驗(yàn)驗(yàn)證了該模型的良好分類性能。
　　4.選取Haar特征作為人臉?lè)诸愄卣鳌樵鰪?qiáng)檢測(cè)算法的可分配性，利用Adaboost與隨機(jī)森林的潛在聯(lián)系，首先通過(guò)Adaboost方法生成Haar特征的候選集，再利用???型隨機(jī)森林進(jìn)行樣本訓(xùn)練，間接優(yōu)化了實(shí)驗(yàn)過(guò)