期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于代价敏感Adaboost目标跟踪 被引量：6
1
作者 薛一哲 王拓 《中国图象图形学报》 CSCD 北大核心 2016年第5期544-555,共12页
目的当前,目标跟踪问题常常会通过在线学习、检测的方法来解决。针对在线学习过程中,分类器训练需要花费大量时间以提高其识别准确率的问题,提出使用Adaboost算法级联弱分类器,在训练一定帧数后仅进行检测的方法来达到实时和准确的折中... 目的当前,目标跟踪问题常常会通过在线学习、检测的方法来解决。针对在线学习过程中,分类器训练需要花费大量时间以提高其识别准确率的问题,提出使用Adaboost算法级联弱分类器,在训练一定帧数后仅进行检测的方法来达到实时和准确的折中。方法首先针对跟踪问题简化了haar特征,以降低特征计算量。同时考虑到经典的Adaboost算法可能并不适合跟踪过程中存在的正负样本不均衡问题,提出在样本权重更新公式中引入一个新的调整因子项并且结合代价敏感学习来提高目标识别率的方法。最终给出使用简化的haar特征作为描述子,改进的代价敏感Adaboost作为分类器的目标跟踪算法。结果对20组视频进行跟踪实验,本文算法的平均代表准确率高于压缩跟踪算法约26%,高于原始代价敏感算法约11%;本文算法的视频处理平均帧率高于压缩跟踪算法约38%。结论本文提出的新代价敏感Adaboost算法对目标的识别、跟踪具有较高的准确率及较快的处理速度,并具有一定的抗干扰能力。特别对人等非刚性目标能够进行较好跟踪。 展开更多
关键词 目标跟踪 代价敏感adaboost算法 简化haar特征 调整权重因子项 在线学习 非刚性目标
原文传递
基于可控风险敏感AdaBoost算法的人脸检测 被引量：2
2
作者 何智翔 丁晓青 +1 位作者 方驰 文迪 《清华大学学报（自然科学版）》 EI CAS CSCD 北大核心 2012年第12期1703-1708,1714,共7页
在人脸检测问题中,需要使用风险敏感的AdaBoost算法来最小化人脸的误分类风险。但是现有的风险敏感的AdaBoost算法对位于分类边界附近的低风险样本的分类性能很差,影响了最终的检测性能。为了解决这个问题,该文通过分析风险敏感的AdaBo... 在人脸检测问题中,需要使用风险敏感的AdaBoost算法来最小化人脸的误分类风险。但是现有的风险敏感的AdaBoost算法对位于分类边界附近的低风险样本的分类性能很差,影响了最终的检测性能。为了解决这个问题,该文通过分析风险敏感的AdaBoost算法的分类错误率,从理论上指出了造成该问题的原因,并据此提出了可控风险敏感的AdaBoost算法。经过实验,该算法在相同召回率的情况下比风险敏感的AdaBoost算法取得了更低的虚警率,并且在CMU正面直立人脸测试集上也获得了更优的人脸检测结果。实验结果表明:该算法在保持风险敏感AdaBoost算法优点的同时,提高了对低风险样本的鉴别能力,获得了更好的性能。 展开更多
关键词 人脸检测 误分类风险 分类错误率 风险敏感adaboost算法
原文传递
基于LBP和CCS-AdaBoost的多视角人脸检测 被引量：6
3
作者 何智翔 丁晓青 +1 位作者 方驰 文迪 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2013年第4期622-629,共8页
为了解决多视角人脸检测中多视角导致的人脸结构不同的问题和人脸与非人脸之间的误分类风险不同的问题,检测特征使用局部二值模式(LBP)及统计直方图,人脸非人脸分类器使用可控风险敏感AdaBoost(CCS-Ada-Boost).LBP及统计直方图能够描述... 为了解决多视角人脸检测中多视角导致的人脸结构不同的问题和人脸与非人脸之间的误分类风险不同的问题,检测特征使用局部二值模式(LBP)及统计直方图,人脸非人脸分类器使用可控风险敏感AdaBoost(CCS-Ada-Boost).LBP及统计直方图能够描述多视角的人脸结构;CCS-AdaBoost能够在降低总体的误分类风险的同时最小化分类错误率.实验中,LBP特征的性能在正面人脸检测上比Haar-like特征更好.CCS-AdaBoost分类器在一定条件下也比普通AdaBoost分类器有更好的性能,并且弥补了风险敏感AdaBoost分类器(CS-AdaBoost)对靠近分类边界的样本分类不好的缺陷.最终的多视角人脸检测器在CMU-Profile测试集上获得了满意的结果.该算法实现了鲁棒的多视角人脸检测方法,在相同虚警率下获得比其他人脸检测方法更好的结果,能够有效地解决多视角人脸检测中的2个问题. 展开更多
关键词 多视角人脸检测 可控风险敏感adaboost 局部二值模式(LBP) 宽度优先搜索 决策树
下载PDF
基于肤色模型与Adaboost算法的多视角人脸检测 被引量：3
4
作者 阳崇云 桑农 +1 位作者 陈张一 陈子伊 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2015年第S1期271-275,共5页
提出了一种基于椭圆肤色模型与可控风险敏感型Adaboost(CCS-Adaboost)算法的多视角人脸检测方法.在人脸检测的离线训练部分,该方法使用Haar-like特征和CCS-Adaboost算法训练样本.CCS-Adaboost在最小化分类错误率的同时能够最小化样本的... 提出了一种基于椭圆肤色模型与可控风险敏感型Adaboost(CCS-Adaboost)算法的多视角人脸检测方法.在人脸检测的离线训练部分,该方法使用Haar-like特征和CCS-Adaboost算法训练样本.CCS-Adaboost在最小化分类错误率的同时能够最小化样本的误分类风险,从而它能够提高分类准确性.在实时检测部分,首先通过使用YCbCr颜色空间的椭圆模型快速检测出可能的人脸区域,然后通过基于CCS-Adaboost的多视角人脸检测器检测人脸.多视角人脸检测器中级联分类器的前四层构成姿态预估部分,如果样本未通过级联检测器的前四层,那么该样本被确定为一个非人脸样本.实验证明该检测器可以有效和准确地检测多视角人脸. 展开更多
关键词 人脸检测 多视角 肤色模型 可控风险敏感型adaboost 姿态预估
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部