论文部分内容阅读
提出一种改进的AdaBoost算法,提高人脸检测的训练速度,以及检测速度和精度。先将每个Haar?Like特征下所有样本的特征值量化,然后据此分别计算出人脸和非人脸样本,再快速计算出简单分类器的阈值和偏置。分析样本特征值的分布特性,进一步提出了双阈值快速算法。在MIT-CBCL训练库上对算法进行了验证,结果显示基于权重直方图的双阈值AdaBoost算法—DW-AdaBoost的训练速度提高150多倍,收敛速度更快。在MIT+CMU人脸测试库上进行了测试,结果表明该方法在检测精度和速度等方面都优于相应