排序方式: 共有3条查询结果,搜索用时 6 毫秒
1
1.
基于连续Adaboost算法的多视角人脸检测 总被引:32,自引:4,他引:32
提出了一种基于连续Adaboost算法的多视角人脸检测方法.人脸按其三维姿态被划分成若干个视点子类,针对每个子类使用Haar型特征设计了具有连续致信度输出的查找表型弱分类器形式,构造出弱分类器空间,采用连续Adaboost算法学习出基于视图的瀑布型人脸检测器.为了提高检测速度,使用了多分辨率搜索和姿态预估计策略.对于正面人脸检测,在CMU MIT的正面人脸测试集合上检测的正确率为94.5%,误报57个;对于多视角人脸检测,在CMU侧面人脸测试集合上检测的正确率为89.8%,误报221个.在一台PentiumⅣ2.4GHz的PC上,处理一幅大小为320×240的图片平均需80ms.实验结果表明该方法十分有效,具有明显的应用价值. 相似文献
2.
3.
人脸配准可以作为表情分析、人脸识别等人脸相关研究的预处理步骤, 是人脸相关的计算机视觉研究的关键问题. 本文针对图像中水平视角在正负45°内的人脸配准问题, 利用基于Haar特征的非线性Boosting回归算法, 根据标定点邻域内的局部纹理预测标定点的位移, 提出了一种新的基于经典活动形状模型(Active shape model, ASM)的实时多视角人脸配准算法. 在两个数据集合上的测试实验表明, 该算法在速度、准确度和稳定性上都比经典的ASM算法有显著提高且优于近期的改进算法, 具有明显的实用价值. 相似文献
1