技术总结
本发明的目的是提出一种基于AdaBoost的人脸检测分类器构造方法，该方法能够提高人脸检测分类器的训练效率,并基于对训练样本的统计，计算了人脸各器官对最终检测贡献的能力，提高了人脸检测的准确率，从而得到分类效果更好的人脸检测分类器。本发明由下述步骤组成：A：获得人脸样本和非人脸样本；B：对所有样本预处理；C：手工标注各器官的区域；D：统计面部各器官出现规律；E：利用改进的AdaBoost算法训练得到人脸检测弱分类器；F：通过步骤E得出一系列弱分类器，通过将这些弱分类器和面部器官的权重组合得到强分类器。本发明通过持续改变样本的权重来训练一系列的弱分类器，最后将一系列的弱分类器组合形成能够区分人脸和非人脸的强分类器。
技术研发人员：李建明;李鑫;温峻峰;杜海江;詹心泉;薛柯;王俊舒;林凯泳;陈斌;
受保护的技术使用者：广东万峯信息科技有限公司;中科院广州电子技术有限公司;
文档号码：201610308763
技术研发日：2016.05.10
技术公布日：2016.10.12