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6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AdaBoost算法的快速虹膜检测与定位 被引量：8
1
作者 陈瑞 林喜荣 丁天怀 《清华大学学报（自然科学版）》 EI CAS CSCD 北大核心 2008年第11期1923-1926,共4页
针对目前虹膜检测和定位方法中检测速度和定位精度等方面存在的不足,提出了一种利用A daBoost算法进行虹膜快速检测和定位的方法。根据虹膜灰度图像的空间结构特征,提取出3类能反映这些结构的H aar-like矩形特征,从中挑选对虹膜图像有... 针对目前虹膜检测和定位方法中检测速度和定位精度等方面存在的不足,提出了一种利用A daBoost算法进行虹膜快速检测和定位的方法。根据虹膜灰度图像的空间结构特征,提取出3类能反映这些结构的H aar-like矩形特征,从中挑选对虹膜图像有最好区分性的385个特征构成弱分类器,再组合生成强分类器。使用正负样本图像训练后,由强分类器级联组成了一个23层分类器系统。实验结果表明:该分类器系统的检测速度平均可达66帧/s,正样本的识别率约为96%,满足了虹膜识别系统实时性的要求。与其他方法相比,有更高的检测速度和定位精度。 展开更多
关键词 虹膜检测 虹膜定位 ADABOOST算法 haar-like矩形特征
原文传递
基于Haar-like矩形特征的交通标志识别 被引量：5
2
作者 李光瑞 蔡安东 黄梅 《现代计算机（中旬刊）》 2014年第7期62-65,共4页
针对道路交通标志识别系统中的识别精度和识别实时性问题,提出一种基于Haar-like矩形特征的交通标志识别算法。为了提高提取速度,用积分图像先对样本库进行处理,提取Haar-like矩形特征做为特征向量。提取的特征向量因维数过高,应用PCA... 针对道路交通标志识别系统中的识别精度和识别实时性问题,提出一种基于Haar-like矩形特征的交通标志识别算法。为了提高提取速度,用积分图像先对样本库进行处理,提取Haar-like矩形特征做为特征向量。提取的特征向量因维数过高,应用PCA降维法对数据进行降维。将降维后的特征向量用来对支持向量机训练。实验结果表明,Harr-like矩形特征向量具有形式简单,计算速度快等优点。在小样本的目标识别中,利用SVM进行分类识别,取得很好的识别效果,并在识别耗时上有所优化。 展开更多
关键词 交通标志识别 haar-like矩形特征 PCA降维 SVM
下载PDF
基于肤色和AdaBoost算法的人脸检测 被引量：3
3
作者 李维维 胡桂明 +1 位作者 童刘伟 何隆玲 《网络安全技术与应用》 2012年第8期39-41,共3页
本文介绍了一种将肤色信息和AdaBoost算法相结合的人脸检测方法。先用肤色分割法排除掉非肤色区域的干扰,然后用AdaBoost算法训练的分类器对肤色区域进行检测,该方法在保证检测率的同时,大大减少了目标区域的误检率,提高了人脸检测准确率。
关键词 人脸检测 肤色分割 ADABOOST haar-like矩形特征
原文传递
基于多传感器的地面移动目标识别技术研究 被引量：3
4
作者 李伟帅 姜月秋 《光电技术应用》 2016年第3期62-67,80,共7页
在传统的地面目标识别系统上,综合运用可见光和红外传感器,开发了基于多传感器信息融合的地面目标识别系统,有效地解决了在夜晚、雨雪天气和浓烟浓雾遮挡的情况下,能够获取有效的目标信息。首先,分析研究确定对可见光图像进行高斯模板... 在传统的地面目标识别系统上,综合运用可见光和红外传感器,开发了基于多传感器信息融合的地面目标识别系统,有效地解决了在夜晚、雨雪天气和浓烟浓雾遮挡的情况下,能够获取有效的目标信息。首先,分析研究确定对可见光图像进行高斯模板均值滤波,对红外图像进行中值滤波处理。然后运动目标检测运用了帧间差分法和背景差分法结合的检测算法。并且研究了一种基于连通域重心坐标标记的算法,并成功定位了目标区域。其次,使用Haar-like矩形特征来表达车辆,对原有特征库进行扩展,添加旋转单一矩形特征来描述车底阴影区域。最后,对传统Ada Boost算法作出了改进,成功训练出可见光和红外车辆分类器。结果证明,该系统具有一定实用价值和研究意义。 展开更多
关键词 目标识别 运动目标检测 haar-like矩形特征 车辆分类器
下载PDF
一种改进的Adaboost人脸检测方法 被引量：1
5
作者 张志勋 张磊 杨凡 《自动化与仪器仪表》 2013年第6期143-145,148,共4页
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-Lik... 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。 展开更多
关键词 人脸检测 PSO ADABOOST AEPSO haar-like矩形特征
下载PDF
基于双阈值运动区域分割的AdaBoost行人检测算法 被引量：4
6
作者 李伟 何鹏举 +1 位作者 杨恒 陈明 《计算机应用研究》 CSCD 北大核心 2012年第9期3571-3574,3596,共5页
结合单目摄像机静止拍摄的视频序列使用背景差法或AdaBoost算法检测行人时分别存在易受噪声干扰或检测速度慢的问题,提出一种双阈值运动区域分割的AdaBoost快速行人检测算法。首先建立背景帧,利用前景帧与背景帧的差分图像拟合噪声曲线... 结合单目摄像机静止拍摄的视频序列使用背景差法或AdaBoost算法检测行人时分别存在易受噪声干扰或检测速度慢的问题,提出一种双阈值运动区域分割的AdaBoost快速行人检测算法。首先建立背景帧,利用前景帧与背景帧的差分图像拟合噪声曲线,提取噪声与亮暗运动目标的阈值,消除噪声,分割出运动区域;然后通过AdaBoost学习算法选择少量有效的Haar-like弱矩形特征构造强分类器;最后在运动区域利用强分类器检测是否包含行人。实验结果表明,该方法迅速缩小了检测范围,加快了检测速度,降低了误检率。 展开更多
关键词 双阈值运动区域分割 AdaBoost学习算法 haar-like弱矩形特征 强分类器
下载PDF
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