基于Adaboost的快速视频人脸检测

使用Haar型特征设计不同尺度弱分类器形式,采用Adaboost算法学习建立瀑布型人脸检测器。并针对视频人脸检测中,人脸旋转导致检测失败的现象,使用CAMSHIFT算法进行人脸跟踪,缩小检测范围,提高算法速度。试验结果表明,所提出的算法有更好的鲁棒性和更快的检测速度。     

一种快速的人脸检测训练算法

近年来基于Adaboost的人脸检测算法因其快速和可接受的检测率得到了成功的应用,但Viola-Jones学习算法需要对级联分类器的每一个特征反复训练弱分类器显得非常缓慢。本文给出了一种新的级联检测器节点分类设计方法,首先将每个节点所有弱分类器的训练移到循环外,然后选择使强分类器有最小错误率的特征集代替选择单个最小加权误差的特征生成强分类器。实践表明该训练速度快于Viola-Jones的方法。     

在人脸检测中对Adaboost算法的应用研究

由于在当前使用的图像检测方法当中最为流行的是Adaboost算法,这种检测方法立足于统计模型.而当前有部分人脸检测方法当中存在着比较严重的检测速度慢与误检率特别高的问题,本文则对基本的Adaboost算法原理进行仔细解释,而且将这一算法在开发OpenCV程序过程当中进行应用,从而做到实现快速检测、鲁棒性与检测率都比较高的人脸检测.     

基于Adaboost的人脸光照补偿方法

针对传统Adaboost人脸检测算法中光照不均匀、图像检测正确率低的问题,提出一种基于Adaboost算法的人脸光照补偿检测方法。介绍Adaboost人脸检测算法的处理流程以及直方图均衡化原理,并将Adaboost算法和直方图均衡化相结合,实现人脸检测。检测结果表明,与传统的Adaboost人脸检测方法相比,新方法对于光照不均匀图像的人脸检测有很好的效果。     

人脸检测方法研究

随着信息处理技术的逐步发展,人脸检测作为人脸信息处理的核心问题越来越受到重视,人脸检测作为目标检测领域中的一个典型问题,涵盖了多方面学科的知识,包括了模式识别、图像处理、计算机视觉等领域的内容,它的研究与发展必将对这些学科产生极大的推进作用并对一般物体的检测问题具有重要的指导意义.     

基于肤色模型与改进Adaboost算法的人脸检测

介绍了一种基于肤色模型与改进Adaboost算法相结合的人脸检测方法。该方法首先利用肤色在YcbCr空间中的聚类特性,对图像进行预检测,得到候选人脸区域,进而采用改进的Adaboost方法对弱分类器进行级联,得到最终的人脸分类器。在特征选择上,使用基于像素的多层特征(Pixel Based Hierarchical Feature,PBHF),以解决传统Adaboost方法检测时间过长的问题。实验结果表明,该人脸检测方法比单纯采用Haar like 特征的人脸检测方法更加有效。     

基于灰度图像的人脸检测算法的研究

人脸检测与识别技术是生物信号处理的一个重要的研究领域.文章利用人脸的垂直积分投影和水平积分投影法确定人脸轮廓.首先对人脸进行二值化、平滑等处理,使人脸与背景部分分离开来,然后利用人脸的垂直积分投影和水平积分投影法进行人脸的定位.脸左右之间位置得到定位后,便可得知这两者之间的水平距离,从而确定脸区宽度,其中脸区的左右坐标点位置都得到了确定.实验结果表明该算法能有效地提取头部轮廓,且操作简单,效率高.     

Haar+Gabor小波特征的人脸检测方法研究

Haar小波具有算法简单复杂度底的特点,Gabor小波具有能够对目标的局部区域灰度变化进行多方向的有效描述,和进行多尺度的描述的能力.结合两种小波变换在特征提取上的各自优势,提出一种改进的基于复合特征提取方法的Adaboost分类器,在人脸检测实验中取得较好的效果.     

基于几何形状的AdaBoost人脸检测算法研究

介绍了AdaBoost人脸检测算法以及人脸符合的几何规则。考虑到使用AdaBoost人脸检测算法存在计算量比较大的问题,因此文中提出基于几何形状的AdaBoost人脸检测算法,改进了人脸检测分类器训练方法,降低了误检率,提高了人脸检测的计算速度。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法.算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中.新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强.     

用程序解加权最小二乘拟合多项式的系数

本文首先简单介绍了最小二乘法原理和利用加权最小二乘法求拟合多项式的系数问题,然后利用C语言设计求解加权最小二乘拟合多项式系数的程序．只要输入给定的数据点、相应的权重和所求拟合多项式的次数,运行该程序后就能准确地、高精度地得到拟合多项式的系数．     

关于矩阵方程的加权最小二乘解

通过矩阵的奇异值分解定理，得到矩阵方程A^TXA=B的在加权范数下的最小二乘解和对称最小二乘解表达式，同时导出了在相应解集中与已知矩阵最佳逼近的最小二乘解。     

基于最小二乘法位移传感器数据的曲线拟合

在某些环境下不能直接采集做功能量值,使用位移传感器作为采集做功能量的媒介,可以转化由直接采集做功能量的困难。针对位移传感器的数据采集值,分析了最小二乘法的原理。采用最小二乘法的处理方法对其进行曲线拟合,给出了算法流程和程序,较好的逼近了实际值。     

基于最小二乘法的灰色模型参数估计

通过建立灰色模型来实现对灰色系统的预测的方法得到了众多学者的重视.其首要一步是通过合适的方法建立灰色模型,然后求解灰色微分方程,再将灰色序列进行还原,从而得到原始序列下一时刻的预测值.在灰色微分方程中有两个未知参数,通过应用广泛的最小二乘法可以对未知参数进行估计.     

求解线性最小二乘的欧拉预报修正算法

将欧拉方法与预报-修正技术结合,提出了一种改进的迭代法-欧拉预报修正算法,用于解超定方程组的最小二乘问题.首先将线性最小二乘转化为一类常微分方程组,运用欧拉方法求解;然后将其迭代结果作为预报值,引入相应的步长参数,构造新的迭代公式对预报值进行修正,从而提高算法的精度;最后通过数值试验验证,该算法是有效可行的.     

一种鲸鱼优化算法改进的加权质心定位算法

针对加权质心定位算法受 RSSI 测距误差影响导致定位结果不理想的问题,提出一种鲸鱼优化算法改进的加权质心算法,利用鲸鱼优化算法的快速收敛、不易陷入局部最优等优势对加权质心算法定位结果进行优化。首先,通过加权质心算法计算待测点位置;其次,根据锚节点位置信息、RSSI 测距信息及待测点位置信息建立适应度函数;最后,利用鲸鱼优化算法不断迭代寻优,对待测点定位结果进行优化,以提高定位精度。在通信半径相同、锚节点数为 30 的条件下,改进后的定位算法定位精度为 0.58m,而粒子群加权质心算法与人工鱼群加权质心算法定位精度分别为 0.64m 和 0.62m,且随着锚节点个数的增加或通信半径的增大,改进后的定位算法仍能获得更高的定位精度。因此,改进后的定位算法精度更高,具有一定可行性。     

非线性最小二乘问题的修正拟牛顿法

给出了求解非线性最小二乘的修正拟牛顿方法。该方法结合了非单调搜索技术和结构化拟牛顿法的思想,提出了一种新的求解非线性最小二乘的修正拟牛顿法,并证明了该方法的全局收敛性。     

基于Apriori算法的加权关联规则挖掘

本文研究了论文“基于Apriori算法的水平加权关联规则挖掘”中的New-A-Apriori算法，指出了该算法的不足及错误之处，提出了一种挖掘加权频繁项集的算法MWFS。并通过具体实例说明了采用MWFS算法的挖掘过程。     

基于PLS特征筛选和改进结构PNN的步态识别

采集单侧大腿截肢患者髋关节有代表性的加速度信号(双轴)和角速度信号,并同时采集足底压力信号,进行多运动模式识别,经信号预处理提取出特征参数,利用偏最小二乘法(PLS)进行特征筛选,最后利用改进的概率神经网络(PNN)步态模式识别和分类,实现对下肢假肢在行走、上下坡、上下台阶的不同运动模式的有效识别。     

线性流形上次对称矩阵的加权最小二乘解

通过矩阵的奇异值分解得到了线性流形上矩阵方程在加权范数下的最小二乘解,同时导出了解集合中与给定矩阵的加权最佳逼近解的表达式。