新能源进展
新能源進展
신능원진전
Advances in New and Renewable Enengy
2013年
2期
321-325
,共5页
空间支持向量域分类器%AdaBoost%肤色分割%人脸检测
空間支持嚮量域分類器%AdaBoost%膚色分割%人臉檢測
공간지지향량역분류기%AdaBoost%부색분할%인검검측
SSVDC%AdaBoost%skin color segmentation%face detection
为了在AdaBoost算法基础上进一步提高人脸检测率,提出首先运用AdaBoost算法对样本进行训练得到T个分类器,然后通过空间支持向量域分类(SSVDC)方法找到T个分类器的超球半径以及球心.同时,为了提高检测速度,首先对彩色图像进行肤色分割,去掉背景以及非肤色区域,然后计算所测样本的对应T个分类器的特征值,并计算其到各个超球球心的距离,并根据其与超球半径的关系来判断是否为人脸.在ORL人脸库、YALE人脸库以及CMU+MIT人脸库中进行实验.实验结果表明:本文算法比AdaBoost算法具有更高的检测速度与检测率,检测率可达到94.4％.
為瞭在AdaBoost算法基礎上進一步提高人臉檢測率,提齣首先運用AdaBoost算法對樣本進行訓練得到T箇分類器,然後通過空間支持嚮量域分類(SSVDC)方法找到T箇分類器的超毬半徑以及毬心.同時,為瞭提高檢測速度,首先對綵色圖像進行膚色分割,去掉揹景以及非膚色區域,然後計算所測樣本的對應T箇分類器的特徵值,併計算其到各箇超毬毬心的距離,併根據其與超毬半徑的關繫來判斷是否為人臉.在ORL人臉庫、YALE人臉庫以及CMU+MIT人臉庫中進行實驗.實驗結果錶明:本文算法比AdaBoost算法具有更高的檢測速度與檢測率,檢測率可達到94.4％.
위료재AdaBoost산법기출상진일보제고인검검측솔,제출수선운용AdaBoost산법대양본진행훈련득도T개분류기,연후통과공간지지향량역분류(SSVDC)방법조도T개분류기적초구반경이급구심.동시,위료제고검측속도,수선대채색도상진행부색분할,거도배경이급비부색구역,연후계산소측양본적대응T개분류기적특정치,병계산기도각개초구구심적거리,병근거기여초구반경적관계래판단시부위인검.재ORL인검고、YALE인검고이급CMU+MIT인검고중진행실험.실험결과표명:본문산법비AdaBoost산법구유경고적검측속도여검측솔,검측솔가체도94.4％.
