摘要:为解决基于Haar-like特征的Adaboost人脸检测方法存在的特征计算复杂度较高的问题,提出两组Haar-like 特征扩展集;利用积分图给出特征组的计算方法;采用Adaboost算法在正脸和侧脸样本库分别训练出正脸和侧脸 级联分类器,并将其组成双通道分类器。在开源视觉库OpenCV上的实验结果表明,本方法具有较少的弱分类器 数,...
这种级联的结构能够很快的排除大量非人脸,从 而将主要的计算精力集中在那些更可能是人脸的区域 上。检测车辆也采用类似的方法。级联型分类器的结 构如图3所示。 利用Adaboost选出的第一级分类器的头两个特 征如图4所示,这两个特征是汽车图片中所有Haar 特征里正确率最高的特征,可以看出黑色矩形框和白 色矩形框...