【图像检测】基于AdaBoost算法实现人脸检测matlab源码

简要叙述一下AdaBoost算法的主要过程：

AdaBoost为每个数据样本分配权重，权重符合概率分布，初始权重符合均匀分布，串行训练M个模型，依据每轮训练的模型的错误率（被误分类样本的权重之和）确定当前模型在最终模型中的权重，以及更新训练样本的权重，误分类样本权重升高，分类正确的样本权重降低。

下图的算法流程来自于《统计学习方法》。

---

下面通过具体的实例来理解AdaBoost算法的流程，例子来自于《统计学习方法》。

第一轮迭代：

此时得到的组合模型中只有一个 ，此时 的分类结果就是最终模型的分类结果。第一轮迭代中6,7,8（6,7,8指的是x的值，不是指的序号）被误分类。此时得到的组合模型在训练数样本上的预测结果如下：

其中sign符号函数如下：

第二轮迭代：

第二轮迭代中3,4,5被误分类，此时得到的最终模型是前两轮模型的线性组合。那么在当前的组合条件下 的分类结果是怎样的？

第三轮迭代：

第三轮迭代中0,1,2,9被误分类，此时得到的最终模型是前三轮模型的线性组合。那么在当前的组合条件下 的分类结果是怎样的？

经过三轮迭代之后，在训练集上的错误率为0。

  

   

    

     

    
    

     

      nTrainPosData = 
      200;
     
    
   

    

     

    
    

     

      nTrainNegData = 
      200;
     
    
   

    

     

    
    

     

      nLevels = 
      200;
     
    
   

    

     

    
    

     

      W = 
      19;
     
    
   

    

     

    
    

     

      H = 
      19; 
     
    
   

    

     

    
    

     

      PTrainData = 
      zeros(W, H, nTrainPosData);
     
    
   

    

     

    
    

     

      NTrainData = 
      zeros(W, H, nTrainNegData);
     
    
   

    

     

    
    

     

      %% 
      read train data
     
    
   

    

     

    
    

     

      fileFolder = 
      '.\Datasets\FACES\';
     
    
   

    

     

    
    

     

      pfiles = 
      dir(fullfile(strcat(fileFolder,'*.pgm')));
     
    
   

    

     

    
    

     

      fileNames = 
      {pfiles.name}'; %转换成细胞数组
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      aa = 
      1:length(pfiles); %这段程序还没有看懂 
     
    
   

    

     

    
    

     

      a = 
      randperm(length(aa));
     
    
   

    

     

    
    

     

      trainPosPerm = 
      aa(a(1:nTrainPosData));
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      for 
      i=1:size(PTrainData,3)
     
    
   

    

     

    
    

     
    
      PTrainData(:
      ,:,i) =imread(strcat(fileFolder,fileNames{i}));
     
    
   

    

     

    
    

     

      end
     
    
   

    

     

    
    

     

      fileFolder = 
      '.\Datasets\FACES\';
     
    
   

    

     

    
    

     

      nfiles = 
      dir(fullfile(strcat(fileFolder,'*.pgm')));
     
    
   

    

     

    
    

     

      fileNames = 
      {nfiles.name}'; %转换成细胞数组
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      aa = 
      1:length(nfiles); %这段程序还没有看懂 
     
    
   

    

     

    
    

     

      a = 
      randperm(length(aa)); 
     
    
   

    

     

    
    

     

      trainNegPerm = 
      aa(a(1:nTrainNegData));
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      for 
      i=1:size(NTrainData,3)
     
    
   

    

     

    
    

     
    
      NTrainData(:
      ,:,i) =imread(strcat(fileFolder,fileNames{i}));
     
    
   

    

     

    
    

     

      end
     
    
   

    

     

    
    

     

      %% 
      read test data
     
    
   

    

     

    
    

     

      testPosPerm = 
      setdiff(1:length(pfiles), trainPosPerm);
     
    
   

    

     

    
    

     

      testNegPerm = 
      setdiff(1:length(nfiles), trainNegPerm);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      PTestData = 
      zeros(W, H, length(testPosPerm));
     
    
   

    

     

    
    

     

      NTestData = 
      zeros(W, H, length(testNegPerm));
     
    
   

    

     

    
    

     

      fileFolder = 
      '.\Datasets\FACES\';
     
    
   

    

     

    
    

     

      pfiles = 
      dir(fullfile(strcat(fileFolder,'*.pgm')));
     
    
   

    

     

    
    

     

      fileNames = 
      {pfiles.name}'; %转换成细胞数组
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      % 
      for i=1:size(PTestData,3)
     
    
   

    

     

    
    

     

      for 
      i=1:200
     
    
   

    

     

    
    

     
    
      PTestData(:
      ,:,i) =imread(strcat(fileFolder,fileNames{i}));
     
    
   

    

     

    
    

     

      end
     
    
   

    

     

    
    

     

      fileFolder = 
      '.\Datasets\FACES\';
     
    
   

    

     

    
    

     

      nfiles = 
      dir(fullfile(strcat(fileFolder,'*.pgm')));
     
    
   

    

     

    
    

     

      fileNames = 
      {nfiles.name}'; %转换成细胞数组
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      % 
      for i=1:size(NTestData,3)
     
    
   

    

     

    
    

     

      for 
      i=1:200 
     
    
   

    

     

    
    

     
   
      NTestData(:
      ,:,i) =imread(strcat(fileFolder,fileNames{i}));
     
    
   

    

     

    
    

     

      end
     
    
   

    

     

    
    

     

      %%
     
    
   

    

     

    
    

     

      Cparams = 
      Train(PTrainData, NTrainData, PTestData, NTestData, nLevels);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      save('.\Cparams.mat', 
      'Cparams');
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
  

完整代码添加QQ1575304183

转载：https://blog.csdn.net/qq_34763204/article/details/116352802