基于嵌入式平臺的Z_floatboost人臉檢測技術研究.pdf

1、本文探索和實現(xiàn)了嵌入式平臺下圖像處理的典型應用人臉檢測。
　　在分析了嵌入式平臺和傳統(tǒng) PC端差異的基礎上，針對嵌入式平臺網(wǎng)絡傳輸成本昂貴、處理器性能效率不高、電源續(xù)航時間不長等特點，本課題結(jié)合了膚色檢測的原理，劃分出了圖像中可能的人臉區(qū)域，并依據(jù)人臉的尺寸篩選，再進行下一步處理，減少了圖像處理的運算量。
　　在算法設計上，本課題設計了改進型的Haar_Like特征和Z_floatboost算法作為理論基礎，針對原始的Haa

2、r_Like無法準確反映出人臉弧形特征的情況，提出了改進型的Haar_Like特征。改進型的特征添加了另外四個特征，在表征人臉上體現(xiàn)出更優(yōu)異的性能。Z_floatboost是在Adaboost和Floatboost的基礎上提出的，根據(jù)強分類器的性能對組成它的弱分類器進行了優(yōu)劣選擇，解決了Adaboost的非單調(diào)性問題。同時為了更符合正負樣本的特征值分布特點，弱分類器設計了雙閾值的構(gòu)建方法，解決了Floatboost誤檢率較高的問題，也提

3、高了分類的效率。
　　在具體實現(xiàn)上，本課題借助了函數(shù)效率高，復雜度低的圖像處理函數(shù)庫OpenCV來進行二次開發(fā)。先在PC端MicroSoft Visual Studio2012環(huán)境下完成了改進的特征值和Z_floatboost算法，并以搜集的正負樣本訓練出了分類器文件，再將分類器文件在 Android平臺上使用。Android應用的開發(fā)是在Eclipse環(huán)境下完成的，實現(xiàn)了C/C++與Java的混合編程。應用搭建依賴的是Andro