基于AFSA和PSO融合优化的AdaBoost人脸检测算法
针对传统AdaBoost人脸检测算法存在的不足,提出一种将人工鱼群算法、粒子群优化算法和AdaBoost算法相结合的人脸检测算法.该算法利用人工鱼群算法的最佳寻优特性,弥补粒子群优化算法易陷入局部最优的不足,改善粒子样本的枯竭和退化;在AdaBoost训练框架中扩展了Haar-like特征,以排除相关度较低的Haar-like人脸样本特征;采用融合优化的Ada-Boost算法寻找弱分类器权重系数的最优值,组合最佳弱分类器,级联形成最终的强分类器.实验结果表明,该算法能够有效提高检测精确率、降低训练时间,取得了较好的人脸检测效果.
人脸检测、人工鱼群优化、权重系数、最优弱分类器
37
TP391(计算技术、计算机技术)
江西省教育厅青年科学基金项目GJJ11132;江西省研究生创新基金项目YC2013-S199
2016-10-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
861-865