AdaBoost及其改进算法综述

计 算 机 系 统 应 用 https://www.sodocs.net/doc/f511266861.html, 2012 年 第21卷 第 5 期

240 专论

·综述Special Issue AdaBoost 及其改进算法综述廖红文，周德龙

(浙江工业大学 计算机科学与技术学院，杭州 310000)

①

摘 要：AdaBoost 算法是目前人脸检测领域最有效的方法之一，自该算法提出以来，很多研究者做了深入的研究分析和改进工作。基于AdaBoost 算法受到众多研究者的重视，综述了AdaBoost 及其改进算法。从AdaBoost 算法出发，着重分析了AdaBoost 算法的优缺点，并以此为基础对其改进算法作系统的分析和介绍，对改进算法进行了简单归类。最后，指出了算法未来的几个发展方向。 关键词

近年来人工智能技术发展日益成熟，人脸检测问题是其中的一个研究热点：AdaBoost ；分类器；特征；人脸检测；积分图像

Review of AdaBoost and Its Improvement

LIAO Hong-Wen, ZHOU De-Long

(School of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310000, China)

Abstract : The AdaBoost algorithm is one of the most effective methods in area of Face Detection. Since this algorithm has been proposed, many indepth research and analysis and improvement was provided by researchers. This paper reviewed AdaBoost algorithm and its improvement. Beginning with AdaBoost algorithm, we focus on analyzing the adavantages and disadvantages of AdaBoost algorithm. After this, we made systematic analysis and presentation on these improvements, including simple classification. Finally, we conclude with several promising directions for future research.

Key words ：AdaBoost; classifier; feature; face detection; integral image [5]，在几十年的研究过程中，许多研究者提出了有效的检测方法。1995年Freund 和Schipare [1,2]提出的AdaBoost 算法是第一个实时的人脸检测算法，与以前的方法相比，AdaBoost 算法在速度上取得了非常大的成功。在此基础上Viola 和Jones [3,4]

① 收稿时间:2011-08-29;收到修改稿时间:2011-09-24

又提出了积分图像和级联器的概念，结合AdaBoost 算法取得了一个里程碑式的成功。国内外众多学者对AdaBoost 算法进行了深入的研究和分析，提出了诸如类别不平衡、退化、过拟合等极具代表性的问题，针对这些算法缺点研究者提出了许多改进算法，这里阐述了AdaBoost 及在其基础之上的改进算法的研究情况，并对各种方法作了简要的分析。 1 AdaBoost 算法

1995年Freund 和Schipare 提出了AdaBoost [1]算法，AdaBoost 算法其实可以看成Hedge(β)算法的拓展或具体应用版本，也是WMA 算法的简化[7]。AdaBoost 对每个训练样本都分配一个权重，每次迭代都对权重进行调整，被分类错误的样本权重得到提升，正确分类则减少权值，通过一个或几个简单分类器的投票获得一个强分类器。算法一般过程如下：

准备训练样本，并对样本进行标记和权值初始化，样本权值代表的是该样本在判定体系中的重要程度，权值越大则表示有更多的话语权；选取一个特征，这里用的是灰度特征，即对图像灰度值的运算；算法选取的特征有一个要求，即对样本集的正确判定大于错误判定，这样选取的特征才有意义；特征选取之后更