[发明专利]一种基于Adaboost的头部定位方法

权利要求书

1.一种基于Adaboost的头部定位方法，其特征在于，包括：

第一步：使用摄像头对头部信息进行实时视频采集；

第二步：通过图像处理模块接收第一步中视频采集头部信息时传输的实时数据，对图像进行预处理；

第三步：使用基于Adaboost的方法进行头部识别。

2.根据权利要求1所述的一种基于Adaboost的头部定位方法，其特征在于，所述第一步中，使用自动对焦的彩色摄像头和深度摄像头实时获取头部的RGB图像信息和深度信息。

3.根据权利要求2所述的一种基于Adaboost的头部定位方法，其特征在于，所述摄像头为广角90°、500万像素、帧频为15帧/秒的摄像头，所述摄像头采集的实时的视频数据通过视频转换传输技术传输至图像处理模块。

4.根据权利要求1所述的一种基于Adaboost的头部定位方法，其特征在于，所述第三步中使用基于Adaboost的方法进行头部识别的具体步骤为初始化样本权重，对于非人脸样本，t次循环中第i个样本的误差权重Dt(i)＝1/2m；对于人脸样本，t次循环中第i个样本的误差权重Dt(i)＝1/2；

其中，人脸样本i和非人脸样本i初始化为不同的值，m为非人脸样本总数，i为人脸样本总数。

5.根据权利要求4所述的一种基于Adaboost的头部定位方法，其特征在于，对t＝1，2，…，T循环进行如下的步骤，其中T为循环次数，所述循环进行如下步骤：

步骤1：权重的归一化；

步骤2：训练弱分类器；

步骤3：按最小错误率选择最优弱分类器；

步骤4：按最优分类器更新权重；

步骤5：选择强分类器

步骤6：按强弱级联强分类器。

6.根据权利要求5所述的一种基于Adaboost的头部定位方法，其特征在于，所述权重归一化处理采用的公式为：

其中，q_i是归一化的权重值。

7.根据权利要求5所述的一种基于Adaboost的头部定位方法，其特征在于，对每一个特征f，训练一个弱分类器h(x，f，p，θ)，计算所有特征弱非分类器的加权错误率ε_f的计算公式为：

其中，p和θ分别是弱分类器的阈值和偏差参数。

8.根据权利要求5所述的一种基于Adaboost的头部定位方法，其特征在于，所述步骤3中按照最小错误率选择最优弱分类器h_t(x)

9.根据权利要求5所述的一种基于Adaboost的头部定位方法，其特征在于，所述步骤4中按照最优弱分类器调整更新权重

其中

10.根据权利要求1所述的一种基于Adaboost的头部定位方法，其特征在于，所述步骤5中选择强分类器的公式为：