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:
提出利用SVM分类方法改进Adaboost算法的人脸检测精度.该方法先通过Adaboost算法找出图像中的候选人脸区域,根据训练样本集中的人脸和非人脸样本训练出分类器支持向量机(SVM),然后通过SVM分类器从候选人脸区域中最终确定人脸区域.实验结果证明,SVM分类算法可以提高检测精度,使检测算法具有更好的检测效果.
推荐文章
基于BP神经网络的人脸检测AdaBoost算法
人脸检测
BP神经网络
AdaBoost
基于肤色和Adaboost算法的人脸检测
人脸检测
Adaboost 算法
Haar特征
肤色分割
基于Adaboost算法和肤色验证的人脸检测研究
Adaboost算法
肤色验证
人脸检测
改进的基于AdaBoost算法的人脸检测方法
AdaBoost
人脸检测
权重调整
退化
级联分类器
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 利用SVM改进Adaboost算法的人脸检测精度
来源期刊 计算机应用与软件 学科 工学
关键词 人脸检测 SVM算法 Adaboost算法
年,卷(期) 2011,(6) 所属期刊栏目 基金项目论文
研究方向 页码范围 32-35
页数 分类号 TP393.08
字数 4123字 语种 中文
DOI 10.3969/j.issn.1000-386X.2011.06.008
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 张晓龙 武汉科技大学计算机科学与技术学院 49 652 13.0 24.0
2 王志伟 武汉科技大学计算机科学与技术学院 2 16 2.0 2.0
3 梁文豪 武汉科技大学计算机科学与技术学院 1 12 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (296)
参考文献  (4)
节点文献
引证文献  (12)
同被引文献  (15)
二级引证文献  (30)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(5)
  • 参考文献(1)
  • 二级参考文献(4)
1999(9)
  • 参考文献(1)
  • 二级参考文献(8)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(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)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(5)
  • 引证文献(3)
  • 二级引证文献(2)
2017(10)
  • 引证文献(1)
  • 二级引证文献(9)
2018(10)
  • 引证文献(0)
  • 二级引证文献(10)
2019(10)
  • 引证文献(4)
  • 二级引证文献(6)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
人脸检测
SVM算法
Adaboost算法
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
湖北省自然科学基金
英文译名:Natural Science Foundation of Hubei Province
官方网址:http://www.shiyanhospital.com/my/art/viewarticle.asp?id=79
项目类型:重点项目
学科类型:
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导