一种改进的Adaboost训练算法概要

1、gym tttt »aa* w>Ma4m4*MY肌quja<” "出 w-xfiiafi金aj 、* e»/if4tr/ui at rMfKtaVttIfMl Kfttfifi <t*, ume *u ta lof iw soituftKA ccuMMVjia f it«w«aii ma <t a4ncaixa«M«»*«” R««m« 釈 “f WMNB >A4M u.im<* nainaAft vabbi呻"< <

2、1*«丈AoMUhtMal traiMc AlenritlMn m-如 eOJJx«海, KlibCt r«AG«irc tfH.tat irarturiiR » “氏彳mt *!>« 0tor LW' n 冷<W !" 2<1 " «»*IIItMlw«i；ir« d*'ltiK»n*w- «.hu tKiv «14 “ > . a »w” riwwiMf -WMmw<毎雄电 Ruwwar

3、 ,a <««.vi d n«UMliC«BI VW»R(！«>!WistR. MMMAHttf A 4 M-aayfeft、«»« .$MH itfti t- 5«h afVAwtMtetteoMiM4ifuut- t«m< o亀5iaoafifk-(貝rtA ag尸4V、« A.iom ！« <!>*eai45 . <«” JW A Q Hi" iN»awvwnw<. ”“ f «

4、e. <UD " Cll«*l'If IL3I I 吋 4»4trr.餌-.ma Hi*»a d«&. 9Ve«IIMA«l«WA.*5 *wiM9evHt *e>亡w, ns. 4>|片bo食0 ll<4R«» ,.,1.I. IA *孰，"0«lHII4:> h lt.廢；<如oi >» 1> amti «" ««ex片<!o真.w尸ms aawatMt

5、f “Mi!(BIV* * x* * *» X* *»- *»< X,'切 i ”HMOVVAe “ M VAA A<*a« *W 4« t f dR/ i»r&貝. *!* 1 H9«»uAN«t«rr；O«H JI. 1*7 力机 fl B AOlha r iKti fnwa *a*etRFM八0 0 If!*.、 .'O'.8仆Ty 册牛 A $<誌XA« » 仇 U t.l 01,. 4 0.1 t 

6、1;，k*.*r fc VUK Wo<F fl-M-tlMHVM% :雷1*t4 * i tJfkM Ml VlLB-4 fii« Aliht HNW.里111|必甘HVaKl 打It q 4 uvMi lift i> HJ|H>pt « 電 j珂4 Il T 曹 A翟増獸 卓+ H 由f VAHft i五化土* 輕R 甲甘.*. vH*ft« j r a t'Anln>* 阻FTVhl«1 蠹耳件 F < n flvi *Rt¥ 4# "!-. L<-4| ¥11*4 J. A

7、? f >4飢* > w r"-vr豊-bp 卜更：4niiA罠离m fi 專 丫闇才事 *iiI r-H-i-lc4rrbJ1* 1 «< V nVrlh 4tf'i>4f <L dll I Mvl ., H p ' '*< . jU.J| JArisI* 肝电WKYiiSHV-tBHrt-lB VF fSlflt f' I v p * d.*l m<l*H4Nlii|k-i4l4lt- f-K4MW4if11 ABttt- k tC-HR 4-呵! i| » (.,bIR ：% n

8、71;T曽右PH 晶 鼻 lAAIAF4 tUMHW VH-In pF, | W.|Br »r_.iI r P ' " 1 J ., 4 * i_g J IifcUM W*wi p»r 丄 1 |MbH4 4.1 II- 7 iC 4 IdI» P *l fl * > rf r | iF.!- H t 4 u i«tT >ff4 a. >! 4K. Ir-1 !. < «IlilfeflB Ji MU.f * M * 入* 戰矗'!& "母 d刖* fan I持丄f wh b&

9、gt;if±申电it龍龍#峙.乂 I包如11川匚界 -i 4- - fl (：-. IJ lll<ji p. n；* .» itHPRIHf <. 1 '> ri P > V * -t 4 1 q f 4： tfl *V * li li f K«*flIINIIri Utinil111. V fe Atfe !> A *燔 i -iMrtiiHniW 屮,昨醫執 辛ri|f «« *mr* 曲 MUA ilina ilftMlma » 氧此巧 H -1 t.fl 堆.昏 n11 tt S i 离

10、munari< 邛 u n 黑 iXI U1-td a.ri d 4t -li h-tt-B* r； M- >fe 44b -m .栋贏九鼻户 *i# 島右卄花第3期李文辉，等：一种改进的Adaboost训练算法503图4 Fig. 4部分训 练样本Part of training samples 了近6个百分点.实验结果表明，本文提出的改进 Adaboost算法比传统的Adaboost算法具有更好的性 能.此外，当采用本文的 Adaboost算法对图像中人 体检测所使用的级联分类器进行训练时，训练 19级的分类器即能满足对人体检测最高检测率和11最低误检率的要求，而若采用文献的方

11、法训练 需22级，采用传统的Adaboost算法进行训练则需 要32级 才能满足同样的要求.本文基于改进型Adaboost的级联结构分类器由于 使用级数较少，其 运算速度更快，泛化能力更强.在基于视频的人体 检测应用系统中，表现出更好的检测效果和检测效率，图6给出了改进算法在Inria数据集上的部分 实验结果.Fig. 5图5检测情况比较 Comparison of detective situation图6 Fig. 6人体检测结果 Results of test of human body综上所述，本文针对目前传统的 Adaboost算法误检率和检测率难以达到工程应用的现状，提出一种改进型

12、Adaboost算法.改进算法首先通过控制在训练过程中产生的正负误差比的变化限 制权重分配5过适应的出现，取得了较好效果，同时对文献改进的样本权重更新方法做了进一步改进，使之更 具有适应性、泛化性；此外，本文对分类器的输出做了调整，采用概率型输出替代传统 Adaboost算法的离散型输出，提高了检 测精度.实验结果表明，采用新算法训练基于级联结构的分类器并将其应用到基于视频的人体检测，取得了较好的效果.参考文献1 Freund Y, Schapire RE. A DecisionTheoretic Generalization of On Line Learning and an Applic

13、ation to Boosting C / / COLT ' 95 Proceedings of the Second European Conference on Computational Learning Theory. Berlin : SpringerVerlag， 1995 : 2337.2 Schapire R E The Strength of Weak Learn Ability J . Machine Learning， 1990， 5 ( 2 ): 197227. 3 Viola P，Jones M J. Robust RealTime FaceDetecti o

14、n J . Intern ati on al J ournal of Computer Visi on, 2004，57 ( 2 ):504 137154 吉林大学学报(理学版)第49卷4 WU Bo，HUANG Chang, AI Haizhou，et al. A Multiview Face Detection Based on Real Adaboost Algorithm J. Journal of Computer Research and Development 2005，42(9 ) : 16121621.(武勃，黄畅，艾海舟，等.基于连续Adaboost算法的多视角人脸检测J.

15、计算机研究与发展，2005，42 ( 9 ) : 16121621.) qiang, ZHANG Hongcai，CHENG Yongmei，et al. Adaboost Based RealTime Pedestrian Detection System 5 ZHU Yi J. Computer Measurement&Control，2006， 14 ( 11 ) : 14621465.(朱谊强，张洪才，程咏梅，等. 基 于 Adaboost JO .机器测量与控制，2006， 14 ( 11 ) : 14621465.)算法的 实时行人检测系统 ying，WANG Chunmi

16、n，et al. Contrast Research of Several Human Motion Detection Algorithm 6 ZHOU You， LIU Yan J. Journal ofJili n Un iversity : In formation Scie nee Editi on，2009， 27 ( 6 ): 652657.(周游，刘艳滢，王春民，等.J.吉林大学学报：信息科学版，2009，27(6 ) : 652657.)几种人体运动检测算法的比较研究NN in Radar SignalRecog nition J . Electro nic 7 CHEN W

17、ei，ZHOU Xiao，YE Fei，et al. The Application of AdaBoostWarfare Technology，2005， 20 ( 1 ):2933.(陈卫，周晓，叶菲，等.AdaBoostNN在雷达信号识别中的应用J . 2005，20 ( 1 ) : 2933.)电子对抗技术，8 LUO She ng, YEXingquan. Efficient Improvement for Adaboost Based Object Detection C / /CINC' 09 Proceed ings of the 2009 In ternatio na

18、l Co nference onComputational. Washington DC: IEEE Computer Society, 2009 : 9598.9 Papageorgiou C Poggio T. A Train able System for Object Detecti onJ . International Journal of Computer Vision, 2000 , 38 （ 1 ）:1533. 10 YAN Yunyang , GUO Zhibo , YANG Jingyu . Fast EnhancedAdaBoost Algorithm Based on

19、 Dualthreshold J. 2007 , 33 （ 21 ）:172174.（严云洋，郭志波，杨静宇.基于双阈值的增强型AdaBoost快速Computer Engineering, J.计算机工程，2007 , 33（ 21）: 172174.）算法 11 LI Chua ng, DING Xiaoqi ng , WU Youshou. A Revised AdaBoost Algorithm : AD AdaBoost J. Chinese Journal of 2007, 30 （ 1 ）:103109.（李闯，丁晓青，吴佑寿.一种改进的AdaBoost算法：AD AdaBoos

20、tJ.计算 Computers , 2007 , 30 （ 1 ） : 103109.）机学报， 12 Schapire R E, Sin ger Y. Improved Boosti ng Algorithms Using Con fide nceRated Predictions J . Machine Learning, 1998 , 37 （ 3 ）: 297336.欢迎订阅2011年吉林大学学报（理学版）吉林大学学报（理学版）（原刊名为吉林大学自然科学学报 ）是由教 育部主管、吉林大学主办的国家级中文综合性科学技术类核心期刊。以交流学术思想、推动科学研究、促进科教兴国和学校发展为办刊宗旨；以新（选题新，发表成果创新性强）、快（编辑出版速度快）、高（刊文学术水平和编辑出版质量 高）为办刊特色；以研究论文、研究快报、研究简报和综合评述等形式报道吉林 大学自然科学领域的基础研究、应用研究和开发研究中所取得的创新性研究成 果。刊发国家重大科技项目和国家自然科学基金项目及各省和部委基金项目的文章 数量逐年增加，其中有许多成果获 得较大的社会效