基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于主分量分析(PCA)和支持向量机(SVM)相结合的人脸检测方法.该方法首先利用计算复杂度较低的PCA粗分类器对输入图像遍历检测,滤除大部分非人脸窗口,再由SVM分类器进行精确判断,从而加快了检测过程.实验证明,本方法能够有效的检测出复杂背景下的人脸图像,并且处理时间比单纯使用SVM大大缩短.
推荐文章
基于主分量分析与支持向量机的人脸检测研究
人脸检测
主分量分析
支持向量机
模式分类
基于层叠支持向量机的人脸检测研究
人脸检测
支持向量机
模式分类
基于高斯模型和支持向量机的人脸检测方法
人脸检测
高斯模型
支持向量机
基于小波变换和支持向量机的人脸检测
人脸检测
小波变换
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于主分量分析和支持向量机的人脸检测
来源期刊 计算机与数字工程 学科 工学
关键词 主分量分析 支持向量机 人脸检测
年,卷(期) 2005,(4) 所属期刊栏目 研究与方法
研究方向 页码范围 56-58
页数 3页 分类号 TP3
字数 1829字 语种 中文
DOI 10.3969/j.issn.1672-9722.2005.04.016
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李树涛 湖南大学电气与信息工程学院 41 1574 15.0 39.0
2 伍君 湖南大学电气与信息工程学院 2 25 2.0 2.0
3 沈谦 湖南大学电气与信息工程学院 1 11 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (33)
参考文献  (3)
节点文献
引证文献  (11)
同被引文献  (1)
二级引证文献  (1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
主分量分析
支持向量机
人脸检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导