版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、人眼檢測是計算機視覺領域一個極具挑戰(zhàn)意義的課題。由于真實世界場景的復雜性,要在復雜的背景中檢測出人眼并不是一件容易的事,而且還要受到光照、姿態(tài)、旋轉、遮擋等等諸多因素的影響,更是使得人眼檢測困難重重。自從PaulViola將AdaBoost算法用于人臉檢測取得里程碑式的意義以來,該算法也被引入到人眼檢測研究中,人們對此進行了大量的研究。
本文利用AdaBoost進行人眼檢測研究。討論人眼圖像的haar矩形特征和更具表達能力的分
2、散矩形特征,研究分散矩形特征的優(yōu)化方法;分析AdaBoost在人眼檢測中的特點,提出改進AdaBoost的級聯(lián)方法。本文所研究的工作主要包括以下幾個方面:
1.使用分散矩形特征代替原始haar矩形特征訓練分類器,為了克服特征數(shù)量暴增的問題,提出一種優(yōu)化分散矩形特征的方法。原始haar矩形特征只能表達水平、垂直或45°方向上的信息,而分散矩形特征打破了邊界相鄰對齊的約束條件,可以表達幾乎各個方向上的信息。實驗結果表明,分散矩形特
3、征比原始haar矩形特征具有更強的表達能力,優(yōu)化后訓練分類器所需時間是優(yōu)化前的約三分之一。
2.提出一種新的按照指數(shù)規(guī)律調整級聯(lián)分類器每層最小檢出率和最大誤檢率的AdaBoost級聯(lián)方法。傳統(tǒng)級聯(lián)方式的每層分類器的最小檢出率和最大誤檢率是固定不變的,在訓練的后期,訓練難度不斷加大,要想達到預定的檢出率和誤檢率必須增加每層分類器包含的弱分類器數(shù)目,會造成訓練非常耗時。實驗結果表明,采用分散矩形特征結合改進級聯(lián)方法訓練出的分類器分
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于AdaBoost的人眼檢測優(yōu)化算法.pdf
- 基于AdaBoost的人臉檢測改進算法.pdf
- 基于AdaBoost改進的人臉檢測算法研究.pdf
- 基于AdaBoost的人眼實時定位檢測與FPGA設計.pdf
- 基于RF5的Adaboost算法的人眼檢測.pdf
- 基于改進Adaboost算法的視頻監(jiān)控的人臉檢測.pdf
- 基于Adaboost和LDP改進算法的人臉檢測與識別研究.pdf
- 基于Adaboost方法的人臉檢測.pdf
- 利用SVM改進Adaboost算法的人臉檢測精度.pdf
- 基于Gentle Adaboost算法的人臉檢測研究.pdf
- 基于Adaboost的人臉檢測技術研究.pdf
- 基于Adaboost算法的人臉檢測的研究.pdf
- 基于AdaBoost的人臉檢測研究與實現(xiàn).pdf
- 基于級聯(lián)Adaboost分類器的多視角人臉檢測.pdf
- 基于Adaboost學習算法的人臉檢測方法研究.pdf
- 基于AdaBoost算法的人臉檢測方法的研究.pdf
- 基于Gentle Adaboost的人臉檢測算法研究.pdf
- 基于改進的LBP特征的AdaBoost算法與膚色檢測相結合的人臉檢測.pdf
- 基于AdaBoost和SVM的人體檢測.pdf
- 基于連續(xù)Adaboost算法的人臉檢測研究.pdf
評論
0/150
提交評論