智能系统学报
智能繫統學報
지능계통학보
CAAI TRANSACTIONS ON INTELLIGENT SYSTEMS
2009年
5期
446-452
,共7页
粒特征%贝叶斯决策%连续Adaboost%Boosting级联%人脸检测
粒特徵%貝葉斯決策%連續Adaboost%Boosting級聯%人臉檢測
립특정%패협사결책%련속Adaboost%Boosting급련%인검검측
提出了一种基于粒特征和连续Adaboost算法的人脸检测方法.它使用粒特征并扩展贝叶斯决策弱分类器,设计具有连续置信度输出的查找表型弱分类器形式,构造出弱分类空间,使用大规模的训练集和验证集,采用连续Adaboost算法学习得到Boosting动态级联型的人脸检测器.在CMU-MIT正面人脸测试集上,误报20个时,检测率为90%以上.在一台Pentium Dual-1.2GHz的PC上,处理一幅大小为320×240像素大小的图片平均需100ms.实验结果表明该方法取得了比较好的精度和速度.
提齣瞭一種基于粒特徵和連續Adaboost算法的人臉檢測方法.它使用粒特徵併擴展貝葉斯決策弱分類器,設計具有連續置信度輸齣的查找錶型弱分類器形式,構造齣弱分類空間,使用大規模的訓練集和驗證集,採用連續Adaboost算法學習得到Boosting動態級聯型的人臉檢測器.在CMU-MIT正麵人臉測試集上,誤報20箇時,檢測率為90%以上.在一檯Pentium Dual-1.2GHz的PC上,處理一幅大小為320×240像素大小的圖片平均需100ms.實驗結果錶明該方法取得瞭比較好的精度和速度.
제출료일충기우립특정화련속Adaboost산법적인검검측방법.타사용립특정병확전패협사결책약분류기,설계구유련속치신도수출적사조표형약분류기형식,구조출약분류공간,사용대규모적훈련집화험증집,채용련속Adaboost산법학습득도Boosting동태급련형적인검검측기.재CMU-MIT정면인검측시집상,오보20개시,검측솔위90%이상.재일태Pentium Dual-1.2GHz적PC상,처리일폭대소위320×240상소대소적도편평균수100ms.실험결과표명해방법취득료비교호적정도화속도.
