基于实时预测学习分类的脸像快速检测方法

摘要：

视频图像中脸像检测是近年来视觉图像检测和模式识别领域的研究热点.提出一种基于实时预测学习分类的脸像快速检测算法,即ARMA-Boost算法.首先根据脸像位置先验信息,利用ARMA模型(auto-regressive and moving average model)预测脸像位置区域,然后采用AdaBoost算法对预测区域进行脸像检测.该方法在时间维度对AdaBoost算法进行扩展,减小脸像搜索范围,提高检测效率.利用该方法对离线视频文件和CCD图像传感器实时脸像视频进行检测,实验结果表明,与支持向量机、传统AdaBoost和基于优化肤色模型的AdaBoost改进算法相比,ARMA-Boost算法脸像检测准确率高,实时性更好,可以对视频脸像进行快速检测应用.

关键词：脸像快速检测、ARMA模型、实时预测、学习分类、AdaBoost算法

所属期刊栏目：33

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973计划基金2006CB303000;国家自然科学基金60970103,60673176,60373014,50175056;教育部博士点基金20090002110016

在线出版日期：2012-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41