检索结果-内蒙古大学图书馆

科技创新导报 2016年第32期13卷 108-108,110页

作者：卢荣刘思思宋权予周春晖广东科技学院广东东莞523000

随着视频监控的推广与普及,人们对监控质量的要求越来越高,通过人脸识别技术对监控对象进行身份识别也逐渐成为市场需求的主流。人脸识别是包含检测和识别两个方向的,该文通过adaboost算法进行人脸检测和识别的研究,并提出了多算法融合... 详细信息

随着视频监控的推广与普及,人们对监控质量的要求越来越高,通过人脸识别技术对监控对象进行身份识别也逐渐成为市场需求的主流。人脸识别是包含检测和识别两个方向的,该文通过adaboost算法进行人脸检测和识别的研究,并提出了多算法融合的改进adaboost人脸检测算法,通过验证,可提高人脸识别的精准性。

关键词：人脸检测人脸识别 adaboost算法

来源：评论

学校读者我要写书评

暂无评论

基于纹理特征驱动adaboost算法的海面场景分类

引用

激光与红外 2015年第4期45卷 462-466页

作者：戴军金代中高志峰西南技术物理研究所四川成都610041

为提高红外成像系统对场景的感知能力,对海面场景分类进行了研究,提出了一种基于纹理特征驱动Ada Boost算法的海面场景分类方法。该方法首先提取图像的纹理特征,然后引入Ada Boost算法进行最优特征选择,构建强分类器,最后通过二叉树结... 详细信息

为提高红外成像系统对场景的感知能力,对海面场景分类进行了研究,提出了一种基于纹理特征驱动Ada Boost算法的海面场景分类方法。该方法首先提取图像的纹理特征,然后引入Ada Boost算法进行最优特征选择,构建强分类器,最后通过二叉树结构实现对海面场景的多分类。实验结果表明:该方法适应能力强,对多种复杂的海面场景分类效果好。分类结果可为目标检测算法的选取以及复合制导的综合决策提供依据。

关键词： adaboost算法 Laws纹理灰度共生矩阵红外图像处理

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的图像自动标注

引用

西南大学学报（自然科学版） 2015年第7期37卷 174-180页

作者：王小平李柳柏长江师范学院计算机工程学院重庆408100

把图像的自动标注过程转化为图像分类的过程,首先按照视觉特征对图像进行分割,提取训练图像每个区域的底层特征信息,构成训练集;然后采用adaboost集成分类算法,建立相应特征区域与类标签值的对应关系;再利用训练集中的分类模型对待标注... 详细信息

把图像的自动标注过程转化为图像分类的过程,首先按照视觉特征对图像进行分割,提取训练图像每个区域的底层特征信息,构成训练集;然后采用adaboost集成分类算法,建立相应特征区域与类标签值的对应关系;再利用训练集中的分类模型对待标注区域进行分类,得到各个区域的类标签值,实现图像的自动标注.基于Corel-5k数据集的实验表明,相比其它经典算法,adaboost集成算法提高了运算速度,且能保持稳定的分类精度,在图像标注方面有良好的应用.

关键词： adaboost算法图像自动标注机器学习集成分类器

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的手部动作表面肌电信号分类方法研究

基于AdaBoost算法的手部动作表面肌电信号分类方法研究

引用

作者：杨帅吉林大学

学位级别：硕士

表面肌电信号是一种从肌肉表面通过表面电极采集的生物电信号，它在一定程度上能够反映出肌肉的功能以及动作状态。从表面肌电信号准确地提取信号的主要运动特征信息并完成动作识别是表面肌电信号研究的关键性问题。本文针对日常的手部... 详细信息

表面肌电信号是一种从肌肉表面通过表面电极采集的生物电信号，它在一定程度上能够反映出肌肉的功能以及动作状态。从表面肌电信号准确地提取信号的主要运动特征信息并完成动作识别是表面肌电信号研究的关键性问题。本文针对日常的手部动作识别分类问题，研究表面肌电信号的特征提取和模式识别。本文研究工作有以下几个方面： 1.阅读大量有关肌电信号，模式识别分类及优化算法的论文，了解表面肌电信号的理论基础、产生机制，以及近些年国内外在肌电假肢、肌电信号分类方法问题上的研究进展。 2.根据局部解剖学，确定与所选手部动作有关的肌肉作为表面肌电信号采集源，通过MQ-8肌电信号采集仪完成四种手部动作信号的采集。由于采集的原始肌电信号中含有许多噪声干扰，本文软件上设计高通、低通滤波器，陷波器完成对原始肌电信号的去噪处理，保留有效的肌电信号；采集的连续肌电信号不方便对信号进行特征提取，本文采用移动窗能量判别法对其进行截取处理。对采集的原始肌电信号进行预处理，有助于四种动作肌电信号的模式识别。 3.对表面肌电信号在时域、频域、时频域三个方面特征提取，通过三者比较选择能够清晰分辨四种动作的特征，作为表面肌电信号模式识别的依据。本文利用小波包分析，选择小波包系数方差作为特征向量用来区分四种动作的特征向量，在尽量减少特征向量数量的情况下，同时保证分类效果。 4.根据常见的分类算法，选择适合于表面肌电信号模式识别分类的方法，研究BP神经网络、SVM算法、adaboost算法、以及对adaboost算法的改进。本文利用BP神经网络、SVM算法、adaboost算法作为对比实验，计算三种方法对四种动作的识别率，分析adaboost算法在表面肌电信号动作分类的优势，以及adaboost算法在疲劳肌电信号干扰下的识别能力，同时，计算各种算法完成动作分类的迭代次数。 5.进行了仿真实验，结果表明，本文研究的adaboost算法在表面肌电信号在训练的过程中，保证准确率的同时，对疲劳状态下的识别也有很好的效果，达到了论文预期目的。

关键词：表面肌电信号小波包分析 adaboost算法模式识别

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的多特征融合图像分类的研究与应用

基于Adaboost算法的多特征融合图像分类的研究与应用

引用

作者：刘媛媛山东大学

学位级别：硕士

随着网络的快速发展,图片信息成为了网络信息的一大组成部分。然而网络图像的爆炸性增长使人们寻找到自己需要的图片也愈发困难,这让网民进入了一个“信息发达,知识匮乏”的怪圈。但这一现象也促进了新技术的产生。图像分类技术是解决... 详细信息

随着网络的快速发展,图片信息成为了网络信息的一大组成部分。然而网络图像的爆炸性增长使人们寻找到自己需要的图片也愈发困难,这让网民进入了一个“信息发达,知识匮乏”的怪圈。但这一现象也促进了新技术的产生。图像分类技术是解决这一问题的方法之一。它可以根据图像的内容自动将图像分到相应的类别,能大大减少传统的人工标注的工作量和提高图像检索的精确性。在本文中就介绍了一种使用adaboost算法集成图像的多种特征进行图像分类的方法。本论文的主要贡献和创新点如下：本文提出了一种利用图像的多种特征来进行图像分类的方法。一幅图像有很多方面的特征,而且相同类型的图像在图像特征方面有一定的相似性。常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征等。图像的一种特征只能显示图像的片面信息,而且不同的图像特征对图像的分类效果往往不同。所以为了更精确的描述图像,可以综合图像的多种特征来描述图像。在本文中,利用了图像的颜色、纹理和形状特征。其中,使用颜色直方图方法提取颜色特征,小波分解与灰度共生矩阵方法提取纹理特征,小波去噪与Hu不变矩法提取形状特征。并将这三种图像特征进行融合,将融合后的信息作为图像分类的依据。本文中使用adaboost算法作为图像分类算法,使用knn算法作为弱分类器的训练算法。adaboost算法一种迭代算法,通过迭代次数的增加可以有效地提高图像分类的准确率。本文采用adaboost算法集成图像的颜色,形状,纹理特征来进行图像的分类。并把实验所得的结果与使用单一的图像特征进行分类的方法和使用knn算法得到的结果进行对比。实验结果表明,通过adaboost算法集成图像特征进行的图像分类,有较好的分类性能。

关键词：图像特征提取图像特征融合 adaboost算法图像分类

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的远距离人脸检测

引用

计算机工程与设计 2015年第4期36卷 983-986,1021页

作者：徐信郝晓丽王芳太原理工大学计算机科学与技术学院山西太原030024 太原理工大学信息学院山西太原030024

为解决在远距离拍摄得到的待识别图像中进行人脸检测难度大、误检率高的问题,提出一种基于adaboost算法和误报缩减的人脸检测算法。误报缩减是一种结合肤色检测和可变边缘蒙版筛选的模型,肤色检测包含被检测窗口的RGB平均分量,在生成二... 详细信息

为解决在远距离拍摄得到的待识别图像中进行人脸检测难度大、误检率高的问题,提出一种基于adaboost算法和误报缩减的人脸检测算法。误报缩减是一种结合肤色检测和可变边缘蒙版筛选的模型,肤色检测包含被检测窗口的RGB平均分量,在生成二进制群集图像,边缘蒙版由覆盖二进制集群的椭圆的大小决定,用于在待检测窗口中评价检测对象的轮廓形状,实现误报过滤。实验结果表明,较经典adaboost算法和adaboost肤色检测,误报缩减模型在远距离获取的图像中进行人脸检测时具有良好的误报过滤性能。

关键词：人脸检测 adaboost算法误报缩减边缘蒙版远距离

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的智能考勤系统研究和实现

基于AdaBoost算法的智能考勤系统研究和实现

引用

作者：王建跃山东大学

学位级别：硕士

随着时代的进步与科技的发展,公司和企业对身份认证可靠性的要求越来越高。作为一种将计算机技术与生物传感器、光学以及声学等高科技手段结合到一起的新型的识别技术,生物识别技术渐渐进入人们的视野,其中人脸识别技术的应用最为广泛... 详细信息

随着时代的进步与科技的发展,公司和企业对身份认证可靠性的要求越来越高。作为一种将计算机技术与生物传感器、光学以及声学等高科技手段结合到一起的新型的识别技术,生物识别技术渐渐进入人们的视野,其中人脸识别技术的应用最为广泛。论文对人脸检测技术和人脸识别考勤系统进行研究,构建了基于OpenCV和adaboost算法的智能考勤系统。系统构建过程中,在利用adaboost算法和人脸库对系统进行训练的前提下,将训练获得的参数xml文件用于人脸检测；同时,利用OpenCV库函数进行视频采集、图像处理和人脸识别,进而实现考勤。论文的主要工作如下：(1)研究智能考勤系统的关键技术,给出系统构架,并对人脸检测技术和人脸识别技术进行论述。(2)研究并实现adaboost算法。利用积分图法将类Haar特征训练成弱分类器,将多个弱分类器按一定权重组成强分类器,再将多个强分类器级联成级联分类器。采用级联分类器对ORL人脸库进行训练,其结果用于识别系统中对人脸的检测。(3)根据考勤系统的需求,对考勤系统进行模块划分,并进行功能实现。系统能够用摄像机进行视频采集,并将采集到的视频流在窗口上显示；采用adaboost算法训练图集得到的级联分类器检测视频流,并将检测到的人脸用矩形框标注出来。当人脸达到合适的尺寸以后,将采集到的人脸保存下来；通过采集人脸与员工人脸库的训练对比,识别出签到人员。(4)基于MFC/C++搭建整个系统,创建人脸识别考勤系统登录界面和考勤界面,实现对按钮等控件的响应。完成系统测试,发现并祛除软件的一些细节错误、及系统漏洞。

关键词： OpenCV adaboost算法人脸检测人脸识别智能考勤系统

来源：评论

学校读者我要写书评

暂无评论

基于adaboost算法的快速人脸检测方法

基于AdaBoost算法的快速人脸检测方法

引用

作者：孙文君曲阜师范大学

学位级别：硕士

人脸检测技术是判定所给的图像中是否存在人脸并给出定位的过程,在司法、金融、军事、海关以及人们的日常生活等各个领域都占用的举足轻重的位置。依据不同的人脸相关知识有不同的检测方法,目前常用的大致有基于人脸知识分析,基于人脸外... 详细信息

人脸检测技术是判定所给的图像中是否存在人脸并给出定位的过程,在司法、金融、军事、海关以及人们的日常生活等各个领域都占用的举足轻重的位置。依据不同的人脸相关知识有不同的检测方法,目前常用的大致有基于人脸知识分析,基于人脸外观,基于人脸特征以及模版匹配等几类方法。本文基于当今最为流行的Ada Boost算法,训练出自己的人脸检测级联分类器,通过对人脸图像方差特点的研究增加了方差预处理,使训练出的级联分类器在人脸检出率相对较高的前提下实现了检测速度的提升,从而增强了其实时应用性。具体工作内容包括:1.分析人脸检测技术在国内外的研究现状与研究结果,总结了课题的研究难点与研究大致的发展方向;简单介绍了国际上常用的几个人脸数据库的构成;介绍了评测检测算法优劣的具体参数与本文所用的评测方法。2.基于Ada Boost的人脸检测算法与实现分析。文章在介绍算法时,从用于人脸特征表示的Haar-like特征入手,随后在介绍特征值的快速计算时引入积分图思想,最后从最大可能的减小计算量、提高检测速度的方面出发引入了级联分类器的思想,将上述内容组合起来便是对文章所用的基于Ada Boost算法的详细介绍;接着详细叙述了本文的检测方法与检测流程;算法实现部分穿插在算法介绍中,在每一部分的算法介绍后面列出本文所用的实现方案方法,两部分综合起来对人脸检测过程做了十分详尽的分析。3.介绍图像预处理对人脸检测的重要性,对常用的图像预处理方法做了简单分析;着重介绍了本文用到的方差预处理方法,从意义目的与简单获取两部分进行阐述,并通过实验与数据统计确定了本文中用到的人脸方差的阈值。4.将本文的人脸检测算法用于Bao数据库与Bio ID数据库,对检测结果进行统计后得到结论:算法改进后所训练出的级联分类器效果较好,综合检测性能较优;方差预处理可以快速排除非人脸背景,提升级联分类器的检测速度,降低虚警率,但是对人脸检出率有一定的负面影响。

关键词：人脸检测 adaboost算法 Haar-like特征方差预处理

来源：评论

学校读者我要写书评

暂无评论

实时道路多视角车辆检测的改进的adaboost算法研究

实时道路多视角车辆检测的改进的Adaboost算法研究

引用

作者：耿爽东北大学

学位级别：硕士

在信息社会中,人们可以利用数学技术通过计算机来进行相应模式的自动处理和判读.智能交通系统中最重要的环节就是车辆检测技术,它涉及到模式识别、图像处理、计算机视觉、机器学习、概率统计等诸多种学科领域.本文主要针对adaboost算法... 详细信息

在信息社会中,人们可以利用数学技术通过计算机来进行相应模式的自动处理和判读.智能交通系统中最重要的环节就是车辆检测技术,它涉及到模式识别、图像处理、计算机视觉、机器学习、概率统计等诸多种学科领域.本文主要针对adaboost算法机器学习理论对车辆检测进行研究,主要工作如下:1.简单地介绍了对于车辆样本的前期预处理操作,包括对Haar-like特征描述子的特征提取,以及积分图的构建等工作.2.详细地研究了 adaboost算法,针对adaboost算法进行泛化误差分析,从而得到训练误差边界的下降趋势.通过探究adaboost算法的改进方式,提出一种加权系数动态调整adaboost的改进算法,处理不均衡数据分布所带来的问题.通过理论和实验,分析相应改进算法的收敛性,并对其进行合理性解释,提高了系统的稳定性.3.针对adaboost级联分类器的每一个强分类器层级之间没有信息共享的问题,加入与前级相关的阈值调整方式的SoftCascade级联结构,从而进行提速训练,一定程度上减少了信息的浪费,提高了识别精度.4.根据车辆行驶的角度背景,把车辆分为了七种角度模式.对于每一类模式,分别训练出一个级联分类器,这样一定程度上降低了车辆检测模式的复杂性,减小了模式学习的难度.5.本文的车辆检测算法在大量(包括不同天气和光照条件)的测试集上进行了测试,结果表明,本文提出的算法对于车辆的检测具有良好的效果,综合检测率为:94.3%.

关键词：模式识别 adaboost算法混合高斯模型车辆检测

来源：评论

学校读者我要写书评

暂无评论

基于肤色分割和adaboost算法的人脸检测方法研究

基于肤色分割和Adaboost算法的人脸检测方法研究

引用

作者：王永强沈阳工业大学

学位级别：硕士

人脸检测是指在输入图像或视频中检测是否存在人脸，若存在，则标注出人脸的位置、大小和姿态的过程。人脸检测技术在视频监控、智能安防、视频会议、人机交互、安全访问等多个领域都有重要的应用，其应用范围已经超越人脸识别。因此，... 详细信息

人脸检测是指在输入图像或视频中检测是否存在人脸，若存在，则标注出人脸的位置、大小和姿态的过程。人脸检测技术在视频监控、智能安防、视频会议、人机交互、安全访问等多个领域都有重要的应用，其应用范围已经超越人脸识别。因此，人脸检测成为一项重要的课题，受到越来越多学者的关注。本文主要分析了基于adaboost算法和基于肤色的人脸检测方法，并分别改进了两种算法，综合比较了二者的优缺点，提出一种将二者结合的改进算法用于人脸检测，本文的研究工作主要包括以下几个方面：首先研究了基于肤色的人脸检测方法。介绍了几种常用的色彩空间和肤色模型，并分析了本文选择YCbCr空间和高斯模型的原因；给出具体的肤色检测流程，包括图像预处理、肤色似然度的计算、肤色阈值分割以及形态学处理和肤色块的筛选；本文对固定阈值分割的方法进行了改进，采用Otsu算法进行阈值的自适应分割，该方法比固定阈值分割的方法更灵活、适用范围更广，能够更好的实现肤色分割。其次对基于adaboost算法的人脸检测方法进行了深入研究。首先介绍了adaboost传统算法、Haar-like特征、积分图以及利用积分图计算特征值的方法；然后重点分析了弱分类器、强分类器和级联分类器的构成和训练方法；给出了adaboost检测过程中一些关键的流程图；最后对Haar-like特征进行了扩展，补充了3种能够更加细致的描述人脸的矩形特征，使人脸检测效果更加理想。最后对单独使用肤色检测和adaboost检测的实验结果及算法理论进行对比分析，提出了一种将二者结合的改进算法。通过大量实验可以证明，采用本文改进的检测方法较单一使用两种算法，能得到更高的检测率和更低的误检率，提高了检测性能。

关键词：人脸检测肤色分割 adaboost算法检测率

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：