AdaBoost 人脸检测介绍 : AdaBoost算法流程

Posted 2020-08-09 nk_wavelet

　　本系列文章总共有七篇，目录索引如下：
　　AdaBoost 人脸检测介绍(1) : AdaBoost身世之谜
　　AdaBoost 人脸检测介绍(2) : 矩形特征和积分图
　　AdaBoost 人脸检测介绍(3) : AdaBoost算法流程
　　AdaBoost 人脸检测介绍(4) : AdaBoost算法举例
　　AdaBoost 人脸检测介绍(5) : AdaBoost算法的误差界限
　　AdaBoost 人脸检测介绍(6) : 使用OpenCV自带的 AdaBoost程序训练并检测目标
　　AdaBoost 人脸检测介绍(7) : Haar特征CvHaarClassifierCascade等结构分析
　　

3. AdaBoost算法流程

　　Adaboost是一种迭代方法，其核心思想是针对不同的训练集训练同一个弱分类器，然后把在不同训练集上得到的弱分类器集合起来，构成一个最终的强分类器。

3.1 弱分类器的训练及选取

　　最初的弱分类器可能只是一个最基本的Haar-like特征，计算输入图像的Haar-like特征值，和最初的弱分类器的特征值比较，以此来判断输入图像是不是人脸，然而这个弱分类器太简陋了，可能并不比随机判断的效果好，对弱分类器的孵化就是训练弱分类器成为最优弱分类器，注意这里的最优不是指强分类器，只是一个误差相对稍低的弱分类器，训练弱分类器实际上是为分类器进行设置的过程。至于如何设置分类器，设置什么，我们首先分别看下弱分类器的数学结构。

h(x,f,p,θ)=f(x)={=1,    pf(x)<θ=0,    其他

以上是关于AdaBoost 人脸检测介绍 : AdaBoost算法流程的主要内容，如果未能解决你的问题，请参考以下文章

AdaBoost 人脸检测介绍 : AdaBoost身世之谜

人脸检测——基于机器学习3AdaBoost算法

收集adaboost算法的负样本进行人脸检测

基于AdaBoost算法——世纪晟结合Haar-like特征训练人脸检测识别

Adaboost算法详解（haar人脸检测）

如何用OpenCV自带的adaboost程序训练并检测目标