版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著機器學習和計算機視覺研究的不斷發(fā)展,通過算法自動對現(xiàn)實世界里的目標物進行檢測成為了可能。而在目標物檢測領域內,人臉檢測無疑是現(xiàn)實需求最大、相關研究最多的領域之一。
人臉檢測的算法自從選擇了Adaboost機器學習算法作為主要框架,并由Viola和Jones進行了適用于人臉特征的改進后,已經漸漸從實驗室的理論走向了成熟和實用。不過在實際應用鋪開的同時,人臉檢測的研究領域里其實還有許多尚待解決的問題,分類器訓練時間過長就是
2、問題之一。為了縮短訓練分類器所需時間,本文提出了兩種方法對人臉檢測算法進行改進。
首先,本文提出了部分集分類器的猜想,即在分類器學習過程中,不完全學習在一定條件下等同于完全學習,用部分采樣代替完全學習來減少訓練時間。按照此猜想,本文提出了構建部分集分類器的固定分塊法和可變分塊法,并將其運用在Haar特征窗口和樣本圖像塊的匹配計算上。實驗證明,部分集分類器的猜想是可行的,在顯著地減少訓練時間的同時,對檢測精度的影響很小。
3、r> 其次,本文分析了人臉檢測算法中可以并行化的過程:Adaboost樣本訓練過程和Bootstrapping圖像塊篩選過程。在OpenMP平臺的支持下,本文用四核并行框架對算法進行了優(yōu)化處理。實驗表明,并行優(yōu)化后的算法訓練時間明顯下降,而且由于圖像計算中弱關聯(lián)性的特點,并行化不會影響檢測精度。
最后,我們把部分集分類器和并行計算框架這兩種方法結合起來,在實驗中使算法的訓練時間減少為優(yōu)化前的六分之一,并和人臉檢測領域
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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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。
最新文檔
- 基于云平臺下嵌入GPU并行計算框架的人臉檢測系統(tǒng)研究.pdf
- 基于膚色的人臉檢測以及人臉識別分類器改進.pdf
- 基于混合分類器的人臉檢測及人眼定位.pdf
- 基于分類器融合的人臉檢測算法研究.pdf
- 基于分類器融合的人臉檢測系統(tǒng)研究.pdf
- 基于Soft Cascade分類器的人臉檢測算法.pdf
- 基于兩級分類器的人臉檢測研究.pdf
- 基于GPU并行計算的重復文本檢測系統(tǒng).pdf
- 基于多核CPU并行計算的圖像超分辨和目標檢測.pdf
- 基于分類器融合的人臉識別研究.pdf
- 基于MPI和MapReduce的分布并行計算研究.pdf
- 基于2DPCA和多分類器融合的人臉識別.pdf
- 基于回歸算法的人臉識別分類器設計.pdf
- 基于AAM的人臉檢測和應用.pdf
- 基于膚色分割和人臉特征的人臉檢測研究.pdf
- 基于線性非對稱級聯(lián)分類器和膚色驗證組合的人臉檢測算法研究.pdf
- 基于本征譜和支持向量分類器的人臉識別.pdf
- 基于線性非對稱級聯(lián)分類器和膚色驗證組合的人臉檢測算法研究
- 基于多貝葉斯分類器融合的人臉識別.pdf
- 基于特征分類器優(yōu)化匹配和DBN決策的人臉表情識別.pdf
評論
0/150
提交評論