-
题名一种快速高效的人脸检测方法
被引量：7
- 1
-
-
作者
黄兴
王小涛
陆丽华
-
机构
南京航空航天大学航天学院
-
出处
《计算机工程与应用》
CSCD
2013年第3期198-201,242,共5页
-
基金
南京航空航天大学研究生创新基地开放基金资助项目(No.200902016)
-
文摘
介绍了一种建立在改进型Adaboost算法基础上的人脸检测方法,整个方法分为训练和检测两个阶段。训练阶段包含提取类Haar_Like矩形特征、利用改进型Adaboost算法生成强分类器、级联强分类器生成人脸检测器三步。检测阶段,采用金字塔式的穷举搜索法将对待检测图像进行人脸检测。为了解决传统Adaboost算法在训练过程中可能出现退化现象的问题,在Adaboost每轮训练中,定义一个阈值HWt,结合样本是否被错误分类以及当前权值是否大于HWt来给样本更新权值,该方法可以避免训练中可能出现的权重分布严重扭曲的退化现象,提高检测效率。经过编程实践,结果证明该方法检测效率高、检测精度较好。
-
关键词
人脸检测
改进型Adaboost算法
权重分布
矩形特征
金字塔式穷举搜索法
积分图
分类器
-
Keywords
human face detection
advanced Adaboost algorithm
weight distribution
rectangular features
Pyramid Exhaustive Search（PES）
integral image
classifier
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进的Adaboost人脸检测方法
被引量：1
- 2
-
-
作者
张志勋
张磊
杨凡
-
机构
兰州工业学院软件工程系
-
出处
《自动化与仪器仪表》
2013年第6期143-145,148,共4页
-
基金
甘肃省高等学校研究生导师科研项目计划资助(0914-03)
甘肃省科技支撑项目计划资助(1204GKCA043)
-
文摘
针对现有基于粒子群(PSO)策略的Adaboost人脸检测方法没有考虑到PSO容易陷入局部最优且后期收敛速度较慢的问题,提出一种改进的Adaboost人脸检测方法。该方法将自适应逃逸粒子群(AEPSO)引入传统Adaboost人脸检测中,利用粒子表达Haar-Like矩形特征,从而将特征选择和分类器构建转化为AEPSO问题进行解决。基于Matlab仿真实验的结果表明,改进后的方法具有较好的检测性能。
-
关键词
人脸检测
PSO
ADABOOST
AEPSO
Haar-Like矩形特征
-
Keywords
Face detection
PSO
Adaboost
AEPSO
Haar-Like rectangular features
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
