基于粒特征和连续Adaboost的人脸检测 (2009年)

提出了一种基于粒特征和连续 Adaboost算法的人脸检测方法。它使用粒特征并扩展贝叶斯决策弱分类器,设计具有连续置信度输出的查找表型弱分类器形式,构造出弱分类空间,使用大规模的训练集和验证集,采用连续 Adaboost算法学习得到 Boosting动态级联型的人脸检测器。在 CMU-MIT正面人脸测试集上,误报20个时,检测率为 90%以上。在一台 Pentium Dual-1。2 GHz的 PC上,处理一幅大小为320×240像素大小的图片平均需100 ms。实验结 果表明该方法取得了比较好的精度和速