不少人认识我或者听说我的名字都是因为我过去做的关于人脸检测的工作，那么第 一篇帖子就简单谈谈对我影响至深的这项工作的源起吧。2001年Paul Viola和Michael Jones在CVPR上发表了一篇震惊计算机视觉界的文章，Rapid object detection using a boosted cascade of simp...

目前，对Adaboost算法的研究以及应用大多集中于分类问题，同时近年也出 现了一些在回归问题上的应用。就其应用Adaboost系列主要解决了: 两类问题、 多类单标签问题、多类多标签问题、大类单标签问题，回归问题。它用全部的训练样本进行学习。...

Viola Jones Face Detector是Paul viola 和 Michael J Jones共同提出的一种人脸检测框架。它极大的提高了人脸检测的速度和准确率。...

Logit和Gentle算法是由同一个人提出的，他认为adaboost实际上是一个寻优过程，然后用运筹学里的两种不同的寻优方法提出了logit和 gentle，logit是自适应的牛顿法，gentle是用的牛顿步长法。作者认为，logitAdaBoost在每一轮中都使目标最优,会使训练样本 的代表性下降。...

就像我一开始说的，比起ViolaJones人脸检测方法，Lienhart的人脸检测方法只是在Harr-like特征的选取、计算以及AdaBoost的训练算法上有区别。...

（ 3 ）采用 AdaBoost 算法 选取优化的弱 分类 器 通过 Adaboost 算法挑选数千个有效的 haar 特征 来组成 人脸 检测 器， Adaboost 算法中不同的 训练 集是通过调整每个样本对应的权重来实现的。 开始时，每个样本对应的权重是相同的，对于 h1 分类错误的样本，加大其...

前在实际中应用的人脸检测方法多为基于Adaboost学习算法的方法，这种检测方法最初由剑桥大学的两位大牛Paul Viola和Michael Jones[ViolaJones01]提出，并由另一位大牛英特尔公司的Rainer Lienhart[Lienhart02]对这一方法进行了改善。 ...

应用最广泛的一种全局特征描述方法是基于K-L变换的特征脸方法，局部特征描述则需用到人脸器官形状和分布的先验知识。 人脸识别与其他生物统计学鉴别系统如指纹识别、语音识别等相结合，能提供很高的正确识别率，可用于安全性能要求较高的系统。...

近期人脸检测的研究主要集中在基于数据驱动的学习方法，如统计模型方法，神经网络学习 方法，统计知识理论和支持向量机方法，基于马尔可夫随机域的方法，以及基于肤色的人脸检测。目前在实际中应用的人脸检测方法多为基于 Adaboost 学习算法的方法。 ...

影响AdaBoost人脸检测训练算法速度很重要的两方面是特征选取和特征计算。选取的特征为矩特征为Haar特征，计算的方法为积分图。...