基于粒子群的AdaBoost算法及其在人臉檢測中的應用研究.pdf_第1頁
已閱讀1頁,還剩48頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、人臉識別是一項方興未艾的生物特征識別技術,廣泛應用于各行各業(yè)身份識別的信息技術領域。近十年來,伴隨著網(wǎng)絡通信和多媒體技術的飛速發(fā)展,以及計算機硬件水平的快速提升,作生物特征識別技術的分支之一,人臉識別由于其自然性和非接觸性等特點,在模式識別和人工智能等研究領域倍受歡迎和關注。
   人臉識別系統(tǒng)的一項關鍵環(huán)節(jié)就是人臉檢測。所謂人臉檢測是基于人臉的特征提取,在給定的圖片(通常為灰度模式)中檢測是否存在人臉,如果存在人臉則逐一標記人

2、臉的具體位置和大小。在現(xiàn)階段的各種人臉檢測算法中Viola提出了經(jīng)典的AdaBoost人臉檢測器。但是,該傳統(tǒng)的AdaBoost算法依然存在需要改進的地方:比如檢測率較低和虛警率較高,弱分類器訓練時間過長等缺點。
   針對上述問題,本文在AdaBoost算法上,結合支持向量機的思想,嘗試性地提出了一種基于粒子群的AdaBoost算法。該算法主要針對傳統(tǒng)的AdaBoost人臉檢測器中各弱分類器權重系數(shù)無法達到全局最優(yōu)的情況提出的

3、。在此改善算法中,主要采用如下三項的關鍵技術:①利用支持向量機的思想構建AdaBoost人臉檢測器。②利用粒子群優(yōu)化的思想全局優(yōu)化提升弱分類器的權重系數(shù)。③利用模擬退火思想改善粒子群過早收斂的缺陷。
   為了驗證提出的PSO-AdaBoost算法的可行性與有效性,利用OpenCV和Matlab為實驗工具,以ORL人臉庫和歸一化處理的圖片作為訓練集,以大量灰度照片作為測試集進行實驗。結果表明:基于粒子群的AdaBoost人臉檢測

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論