基于新增haar特征和改进AdaBoost的人脸检测算法
Journal of Changchun University of Science and Technology（2020）
摘要
为了提高base haar特征和原始AdaBoost算法的检测率并降低其误检率,提出一种改进型人脸检测算法.该算法采用新增haar-like特征,改进弱分类器选取方式和权重更新方式的AdaBoost算法,构建分类性能强大的级联分类器实现对人脸的有效检测.实验对比证明,与原始AdaBoost算法相比,新增haar-like特征方法检测率提高了1.1％,误检率降低了2.45％;改进AdaBoost算法检测率提高了2％,误检率降低了5.11％;同时新增haar-like特征并改进AdaBoost算法方法检测率提高了4.22％,误检率降低了7.56％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要