微处理机
微處理機
미처리궤
Microprocessors
2015年
5期
57-60
,共4页
人脸检测%肤色分割%肤色模型%Adaboost 算法%相关性判断%弱分类器
人臉檢測%膚色分割%膚色模型%Adaboost 算法%相關性判斷%弱分類器
인검검측%부색분할%부색모형%Adaboost 산법%상관성판단%약분류기
Face detection%Skin color segment%Skin model%Adaboost algorithm%Relevance judgment%Weak classifier
针对传统 Adaboost 算法存在样本训练耗时、误检率较高的问题，提出了一种基于改进Adaboost 算法的人脸检测方法。首先，利用肤色分割对待检测人脸图像进行预处理，然后，对传统Adaboost 算法进行改进，在训练分类器过程中加入相关性判断，以减少弱分类器数量和提高样本训练速度，最后，对预处理过的待检测区域用改进的 Adaboost 算法进行人脸检测。实例测试表明，该方法在人脸检测中能够获得较高的检测率和较快的检测速度。
針對傳統 Adaboost 算法存在樣本訓練耗時、誤檢率較高的問題，提齣瞭一種基于改進Adaboost 算法的人臉檢測方法。首先，利用膚色分割對待檢測人臉圖像進行預處理，然後，對傳統Adaboost 算法進行改進，在訓練分類器過程中加入相關性判斷，以減少弱分類器數量和提高樣本訓練速度，最後，對預處理過的待檢測區域用改進的 Adaboost 算法進行人臉檢測。實例測試錶明，該方法在人臉檢測中能夠穫得較高的檢測率和較快的檢測速度。
침대전통 Adaboost 산법존재양본훈련모시、오검솔교고적문제，제출료일충기우개진Adaboost 산법적인검검측방법。수선，이용부색분할대대검측인검도상진행예처리，연후，대전통Adaboost 산법진행개진，재훈련분류기과정중가입상관성판단，이감소약분류기수량화제고양본훈련속도，최후，대예처리과적대검측구역용개진적 Adaboost 산법진행인검검측。실례측시표명，해방법재인검검측중능구획득교고적검측솔화교쾌적검측속도。
To solve the problems of time -consuming in training samples and high false detection rate in face detection in traditional Adaboost algorithm,a method of face detection based on improved Adaboost algorithm is proposed.Firstly,the image is preprocessed by skin color segmentation.Then,the traditional Adaboost algorithm is improved by putting relevance judgment in the process of training classifiers to reduce the number of weak classifier and to improve sample training speed.Finally,the image preprocessing is tested by improved Adaboost algorithm again.The experimental results show that the face detection method produces higher detection rate and speed.
