一种改进AdaBoost算法的鲁棒人耳检测方法

摘要

一种改进AdaBoost算法的鲁棒人耳检测方法属于图像模式识别技术领域。其特征在于，提出了一种性能良好的复杂背景下的人耳检测方法。它提出四种不对称的Haar-like拐角特征用来描述人耳局部区域的灰度变化；采用了分段选取的策略对Haar-like特征的最优分类阈值进行选取，减少了样本训练时间；对弱分类器的权重进行改进，降低分类器的误检率；还根据训练中样本权重的分布变化，设置排除阈值HW，从而防止过学习现象的产生，使人耳检测的漏检率和误检率得到降低；另外，还提出一种单耳检测策略，使得检测效率和检测效果都得到提高。在PC机和DSP上的应用结果表明了本发明的优异性能。