基于AdaBoost算法——世纪晟结合Haar-like特征训练人脸检测识别

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了基于AdaBoost算法——世纪晟结合Haar-like特征训练人脸检测识别，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含915字，纯文字阅读大概需要2分钟。

内容图文

 

AdaBoost?算法是一种快速人脸检测算法，它将根据弱学习的反馈，适应性地调整假设的错误率，使在效率不降低的情况下，检测正确率得到了很大的提高。

 

系统在技术上的三个贡献：

1.用简单的Haar-like矩形特征作特征，可快速计算

2.基于AdaBoost的分类器设计

3.采用了Cascade(分级分类器)技术提高检测速度

 

人脸的特征表示方法——Haar-like矩形特征

 

矩形特征的值是所有白色矩形中点的亮度值的和减去所有灰色矩形中点的亮度值的和，所得到的差

 

具体特征可以用一个五元组表示 r(x,y,w,h,style)

比如：r(2,2,4,2,A)表示下面的特征

特征值即为白色四个像素与黑色四个像素的差值

Haar-Like特征的快速计算

 

矩形特征的计算

- 像素点1的积分值是矩形A中所有点的亮度值的和

- 像素点2的积分值是A+B

- 像素点3的积分值是A+C，

- 像素点4的积分值是A+B+C+D.

- 矩形D内像素积分值：

计算流程

 

AdaBoost用于人脸模式分类

 

输入——

1.训练用人脸和非脸样本

2.指定要挑选出来的弱分类器的数目T——这也是程序循环的次数 

3.利用先验知识初始化权值向量——一般可以平均设置

Adaboost学习算法流程

 

内容总结

以上是互联网集市为您收集整理的基于AdaBoost算法——世纪晟结合Haar-like特征训练人脸检测识别全部内容，希望文章能够帮你解决基于AdaBoost算法——世纪晟结合Haar-like特征训练人脸检测识别所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---