摘 要:通過(guò)對(duì)支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)及AdaBoost算法的對(duì)比分析,發(fā)現(xiàn)支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)算法構(gòu)造的分類(lèi)器復(fù)雜度高,效率低。而AdaBoost則從弱分類(lèi)器中逐步推選出強(qiáng)分類(lèi)器并組成級(jí)聯(lián)分類(lèi)器,快速將大量的非人臉圖像排除掉,從而提高檢測(cè)速度,滿足人臉實(shí)時(shí)檢測(cè)應(yīng)用領(lǐng)域的需求。
人臉檢測(cè)技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域非常重要的研究?jī)?nèi)容,正受到越來(lái)越多的關(guān)注。但傳統(tǒng)的PC機(jī)平臺(tái)上人臉檢測(cè)系統(tǒng)體積龐大、不易攜帶、費(fèi)用高等缺陷。采用通用DSP和多核處理器實(shí)現(xiàn)的話,價(jià)格昂貴、系統(tǒng)的可拓展性差。本文
人臉檢測(cè)是指對(duì)于給定的圖像或視頻,判斷其中是否存在人臉,如果存在,則進(jìn)一步確定人臉的個(gè)數(shù)、具體位置以及大小的過(guò)程[1]。作為一個(gè)模式識(shí)別問(wèn)題,人臉檢驗(yàn)包含兩個(gè)方面的內(nèi)容,一是特征提取,二是分類(lèi)方法設(shè)計(jì)。近