基于小训练样本的AdaBoost人脸检测

摘要：

AdaBoost算法已被广泛地应用于人脸检测系统中,但往往需要大量的训练样本.针对其训练过程复杂冗长的缺陷,选择研究基于少量训练样本的人脸检测问题.采用协方差特征代替图像统计的直方图进行特征提取.为达到更好的分类效果,应用基于Fisher判别式分析的线性超平面分类器,通过AdaBoost算法构成多层级联分类器进行人脸检测.在小数据库里可以看到,与目前用于多数人脸检测系统的类Haar特征相比,该算法在减少训练样本的同时能获得更好的检测效果.

关键词：人脸检测、协方差特征、Fisher判别式分析、训练样本

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60841004,60971110

在线出版日期：2011-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：199-201