人脸检测级联分类器快速训练算法

摘要：

目前AdaBoost训练算法已被广泛地应用于人脸检测中级联分类器的构建,而AdaBoost算法训练级联分类器的周期却十分漫长.为了减少训练时间,文中提出了一种基于AdaBoost的改进训练算法.该算法通过对弱分类器的阈值选择进行一趟处理来降低运算时间复杂度,并根据AdaBoost训练迭代中只改变样本权值而不更新样本的特点对特征值和排序结果进行缓存来提高训练算法的性能.实验结果表明,该算法大幅提高了人脸检测分类器训练系统的性能,使得分类器的训练时间缩短了60多倍.由于AdaBoost算法的通用性,该改进算法不仅适用于人脸检测,也适合所有进行权值更新迭代训练的Boosting算法.

关键词：适应性自益算法、级联分类器、高性能训练算法

所属期刊栏目：24

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2008-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：324-327