基于AFSA和PSO融合优化的AdaBoost人脸检测算法

被引:12
作者
任克强
高晓林
谢斌
机构
[1] 江西理工大学信息工程学院
关键词
人脸检测; 人工鱼群优化; 权重系数; 最优弱分类器;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
针对传统Ada Boost人脸检测算法存在的不足,提出一种将人工鱼群算法、粒子群优化算法和Ada Boost算法相结合的人脸检测算法.该算法利用人工鱼群算法的最佳寻优特性,弥补粒子群优化算法易陷入局部最优的不足,改善粒子样本的枯竭和退化;在Ada Boost训练框架中扩展了Haar-like特征,以排除相关度较低的Haar-like人脸样本特征;采用融合优化的AdaBoost算法寻找弱分类器权重系数的最优值,组合最佳弱分类器,级联形成最终的强分类器.实验结果表明,该算法能够有效提高检测精确率、降低训练时间,取得了较好的人脸检测效果.
引用
收藏
页码:861 / 865
页数:5
相关论文
共 18 条
[1]   身份认证中灰度共生矩阵和小波分析的活体人脸检测算法 [J].
曹瑜 ;
涂玲 ;
毋立芳 .
信号处理, 2014, 30 (07) :830-835
[2]   多通道Haar-like特征多示例学习目标跟踪 [J].
宁纪锋 ;
赵耀博 ;
石武祯 .
中国图象图形学报, 2014, 19 (07) :1038-1045
[3]   面向无线视频浏览的增量学习人脸检测算法研究 [J].
曾定衡 ;
钟汇才 .
小型微型计算机系统, 2014, 35 (06) :1353-1357
[4]   关于惩罚函数中惩罚系数的讨论 [J].
司呈勇 ;
兰天 ;
胡俊杰 ;
汪镭 ;
吴启迪 .
控制与决策, 2014, (09) :1707-1710
[5]   一种基于膜计算的改进人工鱼群算法 [J].
廖孝勇 ;
李尚键 ;
孙棣华 ;
何伟 ;
余楚中 .
小型微型计算机系统, 2014, 35 (05) :1142-1146
[6]   基于协方差特征的裁剪AdaBoost算法 [J].
李睿 ;
李长风 .
计算机应用研究, 2014, 31 (11) :3517-3520
[7]   融合改进参考白和稀疏网络的彩色人脸检测 [J].
刘成云 ;
常发亮 ;
陈振学 ;
韩旭振 .
仪器仪表学报, 2014, 35 (04) :820-826
[8]   基于改进AdaBoost的快速人脸检测算法 [J].
房宜汕 .
计算机应用与软件, 2013, 30 (08) :271-274
[9]   改进的AdaBoost人脸检测方法 [J].
柯丽 ;
温立平 .
光电工程, 2012, 39 (01) :113-118
[10]   基于EREF的PSO-AdaBoost训练算法 [J].
李睿 ;
张九蕊 ;
毛莉 .
计算机应用研究, 2012, 29 (01) :127-129