基于改进AdaBoost算法的人耳检测
人耳检测是人耳识别系统的首要环节,这一环节的检测效果直接影响了整个识别系统的性能。本文根据人耳的自身结构特点,针对传统AdaBoost算法在人耳检测中的不足之处进行了有效改进。本文主要进行了三方面的工作：通过改变弱分类器的权重分配,影响检测器性能的侧重点,进而降低误检率;引入排除阈值的概念,在训练过程中抑制噪声样本,提高检测器的鲁棒性,防止过学习现象的出现。最终获得的检测器在CAS-PEAL库等三个检测库测试,检测率均达到97％以上,实验结果表明,本文的入耳检测系统具有良好的检测效果。同时,本文设计制作了以DSP为核心的嵌入式人耳检测系统,并获得了良好的实际应用效果。
人耳检测 AdaBoost 弱分类器 权重分配 排除阀值 DSP
李文晶 穆志纯
北京科技大学信息工程学院,北京 100083
国内会议
北京
中文
320-325
2008-10-22（万方平台首次上网日期，不代表论文的发表时间）