一种改进的AdaBoost算法在人脸检测系统中的应用

针对复杂背景条件下人脸检测的检测率低、速度慢的问题,提出了一种改进的AdaBoost算法,与遗传算法相结合,产生了一种识别率高、泛化能力好的强分类器,文中称之为GA-AdaBoost算法。该算法首先训练多个支持向量机作为弱分类器,然后用AdaBoost算法将多个弱分类器组合成一个强分类器,在组合的同时采用遗传算法对各弱分类器的权值进行全局寻优。最后,通过试验与传统AdaBoost进行对比,表明了该算法具有识别率高和速度快的优越性。     

基于改进的Mean-shift驾驶员人脸跟踪算法研究

为了实现对驾驶员人脸实时跟踪,提出了一种改进的Mean-shift算法。首先对人脸提取类Haar特征,使用类Haar特征构造弱分类器,然后根据样本的权值分布构造出强分类器,形成人脸检测分类器;由于光照变化等因素的影响,引入红外主动照明模式,通过隔离可见光照,基本上消除了光照变化对人脸检测造成的影响;针对Mean-shift算法在被跟踪目标发生快速移动时容易跟踪失败的缺点,改进了Mean-shift算法：当目标发生快速移动时,采用SSD（Sum of Square Dif-ference）算法进行全局搜索。以实际驾驶员人脸检测与跟踪实验为例进行了大量实验,提出的方法比Mean-shift算法的速度快、准确度高。