10.3969/j.issn.1000-386X.2010.07.027
一种基于改进样本选取的快速人脸检测方法
AdaBoost算法效果的好坏关键在于前期训练时候的弱分类器的选取,而弱分类器的选取在一定程度上依赖于样本集的选取.因而训练样本集显得十分重要.深入分析了cascade分类器与弱分类器之间的关系,从样本选取角度出发,根据检测率、漏检率与错检率三个指标,改进样本选取,提出一种快速人脸检测方法,该方法分为训练和检测两部分,主要通过对训练样本的比例优化和检测窗口的合并来实现.实验结果表明,该方法检测性能上比传统方法有更好的检测效果.
人脸检测、adaboosted-cascade算法、样本选取、cascaded分类器
27
TP1;TP2
重庆市自然科学基金CSTC,2006BB2365;重庆市教委科学技术研究项目KJ060504
2010-10-11（万方平台首次上网日期，不代表论文的发表时间）
共4页
83-86
