Особенности реализации алгоритма AdaBoost для обнаружения объектов на изображениях

Abstract

В статье рассматриваются особенности реализации алгоритма AdaBoost для решения проблемы построения каскада классификаторов для эффективного обнаружения объектов на изображениях. В качестве элементар- ных классификаторов предлагается использовать прямоугольные логические свойства, что позволяет сделать независимым результат распознавания от монотонно возрастающих преобразований яркости изображений, не изменяющих их классовую принадлежность. Полученный в результате обучения каскад из 4 классификаторов позволяет решать задачу поиска на изображениях областей лиц в видеопотоке с параметрами 30 кадров размером 640×480 пикселей в секунду.

У статті розглядаються особливості реалізації алгоритму AdaBoost для вирішення проблеми побудови каскаду класифікаторів для ефективного виявлення об’єктів на зображеннях. Як елементарні класифікатори пропонується використовувати прямокутні логічні властивості, що дозволяє зробити незалежним результат розпізнавання від монотонно зростаючих перетворень яскравості зображень, що не змінюють їх класову приналежність. Отриманий у результаті навчання каскад з 4 класифікаторів дозволяє вирішувати задачу пошуку на зображеннях областей облич у відеопотоці з параметрами 30 кадрів розміром 640×480 пікселів за секунду.

In article features of implementation of AdaBoost algorithm for solution a problem of construction of the classifiers cascade for effective detection of objects on images are considered. As elementary classifiers it is offered to use rectangular logical properties that allow to make independent a result of recognition from monotonously increasing conversions of brightness of the images which don’t change their class association. The cascade received as a result of training process 4 classifiers which allows to solve the search task of face areas in a videostream with parameters of 30 frames of the size 640×480 pixels per second.