本發(fā)明涉及一種人臉檢測(cè)訓(xùn)練方法，具體涉及一種基于Adaboost算法的人臉檢測(cè)訓(xùn)練方法，屬于智能計(jì)算機(jī)技術(shù)領(lǐng)域。

背景技術(shù)：

近些年來(lái)，隨著信息技術(shù)向各行各業(yè)的不斷滲透，全國(guó)各級(jí)各類(lèi)學(xué)校的計(jì)算機(jī)相關(guān)教育得到了迅猛發(fā)展，計(jì)算機(jī)數(shù)量迅速上升，計(jì)算機(jī)機(jī)房規(guī)模也越來(lái)越大，出現(xiàn)了上百臺(tái)乃至幾百臺(tái)機(jī)器的大型機(jī)房，全校計(jì)算機(jī)總數(shù)量甚至達(dá)到幾千臺(tái)以上，隨著機(jī)器數(shù)量的快速增加，機(jī)房的管理問(wèn)題顯得越來(lái)越突出，如何在管理人員數(shù)量有限的情況下，方便并高效地管理機(jī)器和使用人員成為迫切需要解決的問(wèn)題。因此，為了解決以上問(wèn)題，提出一種基于Adaboost算法的人臉檢測(cè)訓(xùn)練方法。。

技術(shù)實(shí)現(xiàn)要素：

（一）要解決的技術(shù)問(wèn)題

為解決上述問(wèn)題，本發(fā)明提出了一種基于Adaboost算法的人臉檢測(cè)訓(xùn)練方法，操作簡(jiǎn)單，且便于管理監(jiān)督。

（二）技術(shù)方案

本發(fā)明的基于Adaboost算法的人臉檢測(cè)訓(xùn)練方法，包括以下步驟：

第一步，訓(xùn)練樣本的選擇，圖像訓(xùn)練樣本要求是只包含人面部特寫(xiě)的圖像，而且圖像樣本選擇要考慮到樣本的多樣性和代表性，圖像樣本中人臉的姿態(tài)要相對(duì)一致，像素大小盡量統(tǒng)一，人臉部分像素不小于20*20像素，但也不能太大，否則將大大影響學(xué)習(xí)的效果和效率；

第二步，訓(xùn)練過(guò)程的實(shí)現(xiàn)，首先提取所有訓(xùn)練圖像樣本包括人臉和非人臉樣本中的haar特征；其次將所有提取到的haar特征轉(zhuǎn)化為對(duì)應(yīng)弱分類(lèi)器；最后利用Adaboost算法從訓(xùn)練得到的大量弱分類(lèi)器中進(jìn)行迭代運(yùn)算，選擇出最優(yōu)弱分類(lèi)器。

（三）有益效果

與現(xiàn)有技術(shù)相比，本發(fā)明的基于Adaboost算法的人臉檢測(cè)訓(xùn)練方法，智能化程度高，操作簡(jiǎn)單，且便于監(jiān)督。

具體實(shí)施方式

一種基于Adaboost算法的人臉檢測(cè)訓(xùn)練方法，包括以下步驟：

第一步，訓(xùn)練樣本的選擇，圖像訓(xùn)練樣本要求是只包含人面部特寫(xiě)的圖像，而且圖像樣本選擇要考慮到樣本的多樣性和代表性，圖像樣本中人臉的姿態(tài)要相對(duì)一致，像素大小盡量統(tǒng)一，人臉部分像素不小于20*20像素，但也不能太大，否則將大大影響學(xué)習(xí)的效果和效率；

第二步，訓(xùn)練過(guò)程的實(shí)現(xiàn)，首先提取所有訓(xùn)練圖像樣本包括人臉和非人臉樣本中的haar特征；其次將所有提取到的haar特征轉(zhuǎn)化為對(duì)應(yīng)弱分類(lèi)器；最后利用Adaboost算法從訓(xùn)練得到的大量弱分類(lèi)器中進(jìn)行迭代運(yùn)算，選擇出最優(yōu)弱分類(lèi)器。

上面所述的實(shí)施例僅僅是對(duì)本發(fā)明的優(yōu)選實(shí)施方式進(jìn)行描述，并非對(duì)本發(fā)明的構(gòu)思和范圍進(jìn)行限定。在不脫離本發(fā)明設(shè)計(jì)構(gòu)思的前提下，本領(lǐng)域普通人員對(duì)本發(fā)明的技術(shù)方案做出的各種變型和改進(jìn)，均應(yīng)落入到本發(fā)明的保護(hù)范圍，本發(fā)明請(qǐng)求保護(hù)的技術(shù)內(nèi)容，已經(jīng)全部記載在權(quán)利要求書(shū)中。