基于协方差特征的裁剪AdaBoost算法

被引：2

作者：

李睿

李长风

机构：

[1] 兰州理工大学计算机与通信学院

来源：

计算机应用研究 | 2014年 / 31卷 / 11期

关键词：

人脸检测; AdaBoost算法; 协方差特征; 特征裁剪; 动态权重裁剪;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对Haar-like特征的缺陷以及AdaBoost算法存在训练耗时的问题,提出一种基于协方差特征的改进AdaBoost人脸检测算法。该方法用协方差特征代替Haar-like特征进行特征提取;然后使用特征裁剪和动态权重裁剪相结合的裁剪AdaBoost算法,训练得到基于协方差特征的强分类器。实验结果表明,相对于基于Haar-like特征的AdaBoost算法,该算法性能没有明显退化且很大程度上提高了训练速度。

引用

页码：3517 / 3520

页数：4

共 14 条

[1] 基于可控风险敏感AdaBoost算法的人脸检测 [J].

何智翔 ;

丁晓青 ;

方驰 ;

文迪 .

清华大学学报(自然科学版), 2012, 52 (12) :1703-1708+1714

[2]

Region covariance:a fast descriptor for detection and classification. Tuzel O,Meer P. Proceedings of the 9th European Conference on Computer Vision . 2006

[3]

Additive logistic regression: a statistical view of boosting. Friedman JH,Hastie T,Tibshirani R. The Annals of Statistics . 2000

[4]

An extended set of haar-like features for rapid object detection. Lienhart R,Maydt J. Proc.of the IEEE International Conference on Image Processing . 2002

[5] 基于特征剪裁的AdaBoost算法及在人脸检测中的应用 [J].

孟子博 ;

姜虹 ;

陈婧 ;

袁波 ;

王立强 .

浙江大学学报(工学版), 2013, 47 (05) :906-911

[6]

Generic Object Recognition with Boosting. Andreas Opelt,Axel Pinz,Michael Fussenegger,Peter Auer. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2006

[7]

Rapid Object Detection using a Boosted Cascade of Simple Features. Viola Paul,Jones Michael. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition . 2001

[8] Robust real-time face detection [J].