Bagging-SVM集成分类器估计头部姿态方法*

• 作者: 何为 孙铭堃 李凤荣 梁令羽
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 头部姿态估计 特征融合 主成分分析(PCA) Bagging-SVM
• 年，卷（期）: 2019,（11）
• 页码范围: 1215-1224
• 页数: 10页
• 分类号: TP391
• 字数: 6239字
• 语种: 中文

摘要

针对现有常用分类器性能不能满足头部姿态估计对准确率的要求,以及光照变化影响头部姿态估计准确率的问题,提出了一种基于Bagging-SVM集成分类器的头部姿态估计方法.首先,通过图片预处理和Adaboost检测人脸区域算法减少背景、光照等干扰因素对于头部姿态特征提取的影响.其次,采用融合方向梯度直方图(HOG)特征和局部二值模式(LBP)特征分别对人脸的轮廓特征和纹理特征进行提取.然后,通过主成分分析(PCA)对融合的头部姿态特征进行特征选择,抽取其主元特征分量供分类器进行训练.最后,通过Bagging方法构建多个训练数据集,并采用支持向量机(SVM)对每个数据集进行训练,产生多个弱分类器,多个弱分类器投票决定测试样本所属类别.将该算法在Pointing’04数据集、CAS-PEAL-R1数据集和自建数据集上进行验证实验,实验结果表明提出的算法相比线性判别分类器(LDA)、朴素贝叶斯分类器(NB)等常用分类算法具有更高的分类准确率,对光照的变化具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何为	中国科学院上海微系统与信息技术研究所宽带无线移动通信研究室	27	126	5.0	10.0
2	孙铭堃	中国科学院上海微系统与信息技术研究所宽带无线移动通信研究室	2	3	1.0	1.0