人臉圖像庫來源于http：／／www．a(chǎn)i．mit．edu／projects／cbcl。訓(xùn)練集包括6 977個19×19圖像樣本，2 429張的人臉和4 548張非人臉。本文選用了庫中的1 000幅人臉圖像，2 000幅非人臉圖像。由于MITCBCL數(shù)據(jù)庫中的人臉都是國外的，所以筆者采集了500幅國內(nèi)的人臉圖像，并將其標(biāo)準(zhǔn)化為19×19的尺寸。所以人臉總數(shù)共1 500幅，非人臉圖像總數(shù)共2 000幅。實驗結(jié)果如表1所示。

5 結(jié)語

本文采用AdaBoost算法進(jìn)行人臉的檢測，根據(jù)人臉面部的主要灰度分布特征，選擇采用了Haar特征，通過在訓(xùn)練過程中選取出最優(yōu)的Haar特征，再將Haar特征轉(zhuǎn)換成弱分類器，最終組合構(gòu)成強分類器，應(yīng)用到圖像中進(jìn)行人臉區(qū)域的檢測，得到較準(zhǔn)確的人臉信息。采用GPRS技術(shù)進(jìn)行人臉圖像數(shù)據(jù)的無線傳輸，通過無線視頻監(jiān)控終端對視頻信號進(jìn)行實時采集，并通過無線網(wǎng)絡(luò)傳送到遠(yuǎn)程視頻服務(wù)器。采用Gabor小波進(jìn)行人臉特征提取，采用SVM進(jìn)行分類，采用“一對一”的策略來的人臉進(jìn)行分類識別。

雖然本文從各方面都考慮了算法的有效性，但是在實際運行中還是存在不足的地方，如攝像頭達(dá)到一定數(shù)量時，傳輸速率受到一定影響，如何保證傳輸速率和圖像較少失真問題有待進(jìn)一步研究解決。